Python工程应用-数据分析基础与实践课件-第13章

第一章概论西华大学机器学习第十三章偷税漏税行为识别分析XXX学校XXX2022目录Contents案例引入模型介绍案例操作

本章知识图谱3案例引入一1案例引入5案例数据：

本案例将以汽车销售行业为例，将提供汽车销售行业纳税人的各个属性和是否偷税漏税的标识。案例目标：

结合汽车销售行业纳税人的各个属性，总结衡量纳税人的经营特征，建立偷税漏税行为的识别模型，识别偷税漏税的纳税人。模型介绍二2模型介绍7

本案例将使用LM神经网络对该问题进行求解，因此先对该方法进行介绍。LM(Levenberg-Marquardt，莱文贝格——马夸特)神经网络算法，是梯度下降法和高斯牛顿法相结合的方法，它综合了这两种算法的优点，在一定程度上克服了基本BP神经网络收敛速度慢和容易陷入局部最小点等问题。LM神经网络算法参数沿着与误差梯度相反的方向移动，使误差函数减小，直到取得极小值。设误差指标函数为：

2模型介绍8

2模型介绍9

案例操作三3.1案例步骤3.1案例步骤收集某地区汽车销售行业的销售情况和纳税情况。数据集中应该提供汽车销售行业纳税人的各个属性与是否偷税漏税的标识。对数据集进行数据探索，查看是否有缺失值、异常值等。利用Step2中的探索结果，对数据进行清洗。并且随机选择80%的数据集作为后续模型的训练样本，20%的数据集作为后续模型的测试样本。利用CART决策树和神经网络分别建立汽车销售行业预测模型，并且对模型进行训练。利用Step4中训练的模型以及Step3中的测试数据集，对模型进行评估测试。对识别结果进行输出。3.2案例实现1、数据获取

本案例为了尽可能覆盖各种偷税漏税方式，收集了不同纳税类别的所有偷税漏税用户和正常用户的纳税情况，以及偷税漏税用户的偷税漏税关键数据指标，共计124条数据。2、数据探索分析

观察所获得的数据，可以知道样本数据包含15个特征属性，分别为14个输入特征和1个输出特征，有纳税人基本信息和经营指标数据。数据探索分析能够及早发现数据是否存在较大差异，并且对数据整体情况有基本的认识。3.2案例实现

运行结果：

根据数据的分布情况可以看出，销售类型主要是国产轿车和进口轿车，销售模式主要是4S店和一级代理商。3.2案例实现3、数据预处理

通过数据探索可以知道数据里存在缺失值和异常值，需要进行预处理，运行结果：4、划分训练数据集与测试数据集

为了保证模型的正确性和合理性，需要将数据集划分为训练数据集和测试数据集。将80%的数据集作为训练数据集，20%的数据集作为测试数据集。3.2案例实现5、构建偷税漏税行为识别模型

由图结果可以看出，准确分类的样本数为：98+1=99；由此可知模型准确率为：99/(99+0+0)=100%。(1)CART决策树分类模型建立2)决策树分类模型评估1)LM神经网络预测结果3.2案例实现(2)LM神经网络模型建立1)LM神经网络预测结果

由图结果可以看出，准确分类的人数为：59+37=96；由此可知模型准确率为：96/(96+0+3)=96.97%2)LM神经网络评估结果3.2案例实现(3)两模型ROC曲线比较

优秀的分类器所对应的ROC曲线应该更加靠近左上角。对比分析，CART决策树的ROC曲线比LM神经网络的ROC曲线更加靠近左上角，说明CART决策树模型的分类性能更好，更加适用于对本案例的偷漏税行为的识别。

思考题19