[发明专利]一种基于机器学习对企业所得税风险评估的方法

权利要求书

1.一种基于机器学习对企业所得税风险评估的方法，其特征在于，包括：

规划构建机器学习的属性集和目标集；

对所述属性集和所述目标集进行分类抽取、归集，形成数据集A并储到数据库Greenplum中，将所述数据集A合并形成二维数组；

将所述二维数组输入多个决策树模型进行运算，得出数据集B；

将所述数据集B和所述二维数组输入支持向量机模型进行运算，得出数据集C，并储到数据库Greenplum中；

将储到数据库Greenplum的所述数据集C按照业务规则进行展示。

2.根据权利要求1所述的一种基于机器学习对企业所得税风险评估的方法，其特征在于，所述属性集被定义为D＝{X₁,X₂,…,X_m}，表示m个企业的按年归集数据，其中m根据被评估的行业所确定的纳税户数而确定，所述企业的按年归集数据可表示为X_i＝{x_i1,x_i2,…,x_id}，其中d为企业所得税的特性，包括登记类12个、征收类4个、申报类4个、财务报表类69个、汇算清缴年度报表类1773个，故d＝1862。

3.根据权利要求1所述的一种基于机器学习对企业所得税风险评估的方法，其特征在于，所述目标集被定义为Y＝{Y₁,Y₂,…,Y_c}，表示与应纳税所得额相关联的c个目标。

4.根据权利要求2所述的一种基于机器学习对企业所得税风险评估的方法，其特征在于，所述对所述属性集和所述目标集进行分类抽取、归集具体包括：

按照1862个属性所在数据源系统和表单，分类实施数据的抽取，抽取结果包括户、期限、类别和属性；

将所述抽取结果按照年度按户进行归集，形成数据集A并储到数据库Greenplum中，其中所述数据集A为归集的1862个属性按数值型和字符型的两个数组列。

5.根据权利要求4所述的一种基于机器学习对企业所得税风险评估的方法，其特征在于，所述二维数组在在运算前需要进行预处理和展平处理，具体包括：

预处理：将所述数值型和字符型的两个数组列中的缺失值进行处理，然后对所述数值型数组进行规范化处理，最后以数组列的形式进行存储；

展平处理：把所述数组列展平以满足模型算法对数据格式的要求，然后自动拆分成多个子数据集满足数据库的表列数的最大限制。

6.根据权利要求1所述的一种基于机器学习对企业所得税风险评估的方法，其特征在于，所述多个决策树模型中通过引入样本选择、属性选择、属性划分阀值从而引入随机性，得到的决策树的集成即为极限随机树，并通过应用第三方库Scikit-learn的decisiontree和SVC提供的算法实现。

7.根据权利要求1所述的一种基于机器学习对企业所得税风险评估的方法，其特征在于，所述多个决策树模型的运算过程中还包括所述决策树模型的优化处理，具体包括：通过交叉验证、错误分析，以参数搜索的方式自动调正其各个决策树模型的超参数。

8.根据权利要求1所述的一种基于机器学习对企业所得税风险评估的方法，其特征在于，所述数据C被表示为两个矩阵：一个是目标的预测值输出矩阵Y_o，表示为Y_o＝{Y_c+1,Y_c+2,…,Y_c+i,…,Y_c+c}，一个是目标对应输出的概率矩阵P_o，表示为P_o＝{P_c+1,P_c+2,…,P_c+i,…,P_c+c}。

9.根据权利要求8所述的一种基于机器学习对企业所得税风险评估的方法，其特征在于，所述将储到数据库Greenplum的所述数据集C按照业务规则进行展示步骤具体包括：按照风险值{Y_c×P_c}进行排名，以展示每户纳税人在目标集中对应目标的实际值和预测值。