Os crimes na cidade de Chicago têm sido uma das grandes preocupações do
governo dos Estados Unidos da América. As ondas crescentes de roubos, assaltos e homicídios foram tema de debates em campanhas presidenciais no ano de 2016. Fatores que levaram a cidade a tais patamares de violência, ainda são incertos; a localização da cidade, a situação socioeconômica da população e outros diversos fatores devem ser considerados para tal análise. Com base nos dados de ocorrências já registradas, uma análise e busca por padrões podem colaborar na definição de perfis de crimes. Sendo possível, por meio de aplicações em Machine Learning, contribuir para a melhoria da segurança na cidade de Chicago, definindo a probabilidade de ocorrência daquele crime relatado nas ligações e excluindo de forma certeira trotes telefônicos que tendem a enfraquecer a confiança nos relatos e em consequência atrapalham a ação policial. As técnicas de machine learning exploradas para a obtenção de resultados foram as seguintes: Normalização, Feature Selection, Naive Bayes, Árvore de decisão, KNN, Cross Validation, Matriz de confusão. E como resultados finais foi possível alcançar níveis satisfatórios de acurácia em torno de 80% para o melhor caso utilizando de Random Forest, foi possível responder a seguinte pergunta, “Dado a ocorrência de um crime em determinada localidade, qual crime ocorreu?”,