Title page

Contents

Abstract 5

Executive summary 6

 Method 6

 Results 7

 Discussion 7

Introduction 8

 Outlaw motorcycle gangs 9

 Gang databases 11

 Risk assessment 12

 Predicting high-harm offending among outlaw motorcycle gang members 13

 Current study 13

Method 14

 High-harm offending 14

 Data 15

 Analytic approach 16

 Limitations 19

Results 20

 National-level analysis 22

 State-level analysis 23

Discussion 30

 Model accuracy: The trade-offs of using suboptimal data 30

 Implications and disruption opportunities 33

 Data availability and access is pivotal for a path forward 35

 The use of transparent machine learning in police settings 36

Conclusion 37

References 38

Appendix: Removing individuals with no prior recorded offending 45

Table 1. Error and accuracy calculations of the confusion matrix 18

Table 2. Descriptive statistics 20

Table 3. Confusion matrix for random forest model trained on high-harm offending at the national level 23

Table 4. Confusion matrix for random forest model trained on high-harm offending in four jurisdictions 25

Table 5. Feature importance for each model developed to predict high-harm offending 27

Table 6. Summary findings 29

Figure 1. Receiver operating characteristic (ROC) curves for random forest (grey) and logistic regression (green) predicting high-harm offending among OMCG... 22

Figure 2. Receiver operating characteristic (ROC) curve for random forest (grey) and logistic regression (green) predicting high-harm offending among OMCG... 24

Table A1. Confusion matrix for random forest model trained on high-harm offending using restricted sample 46

Figure A1. Receiver operating characteristic (ROC) curve for random forest (grey) and logistic regression (green) predicting high-harm offending among OMCG... 45