分类算法在纳税评估模型的实证分析

发布时间：2020-12-20 17:13

　　税务评估是指收税单位运用财税信息依法对监管对象的涉税行为进行评估。金税三期工程加强了大数据纳税风险评估的实施力度,纳税评估系统的信息化得到全面的提升。大数据时代下的税务管理需要结合人工智能技术和数据挖掘算法交叉分析企业纳税数据,实时监控企业的涉税行为。本文将纳税评估系统和机器学习相互融合,创新出了更具智能化的分类算法。首先探讨了税务评估的内涵、特点及目前学术界关于此课题的研究程度。其次介绍了现在机器学习中的五种分类算法及理论知识,并阐述了每种分类算法的好坏及适用的场景。然后,针对重庆市企业房产税数据,我们对数据进行了预处理和清洗,然后利用特征工程挑选了重要指标。本文分别对随机森林、GBDT、XGBOOST和LightGBM算法展开了实证分析。基于LightGBM算法,提出了LightGBM和Logistic混合分类算法,改进了LightGBM算法。最后,对比五种算法的结果,剖析结果产生的原因。本文研究表明,XGBOOST算法在企业房产税纳税评估数据中分类效果最好,GBDT算法的分类效果次之。 

【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校

【文章页数】：51 页

【学位级别】：硕士

【文章目录】：
中文摘要
英文摘要
1 绪论
    1.1 研究背景目的及意义
        1.1.1 研究背景
        1.1.2 研究目的
        1.1.3 研究意义
    1.2 国内外研究现状
        1.2.1 国内研究现状
        1.2.2 国外研究现状
    1.3 行业研究的不足
    1.4 论文的创新点和框架
        1.4.1 论文的创新点
        1.4.2 论文的框架
2 算法介绍
    2.1 随机森林算法
    2.2 GBDT算法
        2.2.1 回归决策树（Regression Decision Tree）
        2.2.2 梯度迭代（Gradient Boosting）
        2.2.3 缩减（Shrinkage）
    2.3 XGBOOST算法
    2.4 Light GBM算法
    2.5 Logistic回归算法
3 模型指标体系构造
    3.1 数据准备
    3.2 数据预处理
        3.2.1 数据清洗
        3.2.2 数据集成
        3.2.3 数据变换
    3.3 特征选择
    3.4 模型评价
        3.4.1 分类评估指标
        3.4.2 ROC曲线和AUC面积
        3.4.3 K-S图
4 模型实证分析
    4.1 随机森林算法的实证分析
    4.2 GBDT算法的实证分析
    4.3 XGBOOST算法的实证分析
    4.4 Light GBM算法的实证分析
    4.5 基于Light GBM和Logistic混合分类算法的实证分析
    4.6 实验及结果分析
5 总结与展望
致谢
参考文献
附录


【参考文献】：
期刊论文
[1]基于GBDT的线上交易欺诈侦测研究[J]. 赵金涛,邱雪涛,何东杰.  微型电脑应用. 2017(10)
[2]基于遗传算法的BP神经网络隧道施工参数正反演分析与应用[J]. 王睿,漆泰岳,冯剑,雷波,李延.  铁道学报. 2016(04)
[3]模糊粗糙集理论在纳税评估中的应用[J]. 屈世富,万旺根,刘维晓,刘晗.  计算机仿真. 2010(07)
[4]规则和流程管理在纳税评估系统中的应用研究[J]. 高萍,胡恒,宋兴彬,王勇.  计算机工程与设计. 2010(09)
[5]基于正态分布的增值税纳税评估研究[J]. 唐文娟,王喜成.  大众科技. 2009(11)
[6]基于C4.5挖掘算法的纳税评估模型设计[J]. 倪涛,刘耀.  现代计算机(专业版). 2007(09)
[7]纳税评估制度国际比较与借鉴[J]. 苏强.  财会月刊. 2007(05)
[8]纳税评估制度框架的构建要素[J]. 梁云凤,徐光涛,吴婧.  税务研究. 2006(02)
[9]Tobit模型与税收稽查[J]. 李选举.  统计研究. 2000(01)

博士论文
[1]针对类别不平衡和代价敏感分类问题的特征选择和分类算法[D]. 王瑞.中国科学技术大学 2013

硕士论文
[1]基于R+Hadoop中药材大数据的分析及预测[D]. 王莎莎.兰州理工大学 2016
[2]中小企业纳税遵从成本影响因素研究[D]. 胡艳容.江西农业大学 2013



本文编号：2928243