최근 우리나라는 살인, 강도 등 강력범죄 발생이 급증하는 등 사회적으로 불안감이 고조되고 있다. CCTV는 범죄자에 대한 심리적 범죄 억제효과 및 범죄 행각 규명에 활용되며 전 세계적으로 확산되고 있는 추세이다. 실험은 2007년도부터 2014년도까지의 서울시 방범용 CCTV 설치개수, CCTV 설치밀도, 경찰청 자료의 지역별 5대 범죄 발생건수 데이터 총 200개를 수집하여 실험에 활용한다. 또한, 서울시 통계정보시스템에서 제공하는 도시위험도에 대한 통계정보를 활용하여 3단계(“high", "medium", "low")로 분류하였다. 본 연구에서는 범죄 발생건수와 방범용 CCTV 설치개수, CCTV 설치밀도를 고려하여 분류 기계학습을 이용한 범죄 위험도 분류 기법을 제시한다. 분류 기계학습인 나이즈 베이즈, 서포트 벡터 머신, 인공신경망을 이용하여 범죄 위험도 분류 성능을 비교하였다. 총 데이터의 75%인 150개는 학습데이터로 활용하였고 50개의 검증데이터는 학습한 범죄 위험도 분류 성능을 평가하였다. 실험 결과 인공신경망이 가장 정확하게 분류하였고 인공신경망 학습을 통해 적은 훈련속도와 오차율, 높은 적합도를 보여 우수한 성능을 확인하였다.