基于随机森林的偷漏税行为自动识别

• 作者: 吴超 罗璟
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 随机森林 机器学习 偷漏税行为 分类算法
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 人工智能
• 页码范围: 13-16
• 页数: 4页
• 分类号: TP312
• 字数: 3790字
• 语种: 中文
• DOI: 10.11907/rjdk.181865

摘要

企业偷漏税手段呈多样化 、专业化 、普遍化 、隐蔽化趋势.为更好地识别企业是否存在偷漏税行为,基于Py-thon语言,在Anaconda集成开发环境下通过机器学习的Scikit-Learn包构建随机森林模型,通过交叉验证算法选择最优模型.对汽车销售行业纳税人是否存在偷漏税行为进行自动识别.结果表明,基于随机森林模型的偷漏税行为自动识别相对于其它常见的分类模型(k-近邻算法 、逻辑回归模型 、决策树模型和Adaboost算法),具有较高的准确率,分类性能更好,可以满足偷漏税行为的自动识别需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗璟	昆明理工大学机电工程学院	36	195	7.0	12.0
2	吴超	昆明理工大学机电工程学院	1	4	1.0	1.0