本書融合多來(lái)源涉稅數(shù)據(jù)，基于K-S檢驗(yàn)和隨機(jī)森林等算法，構(gòu)建了企業(yè)納稅行為甄別指標(biāo)體系；將不同行業(yè)、涉及不同稅種的企業(yè)納稅行為甄別工作視為不同任務(wù)，提出基于多任務(wù)學(xué)習(xí)的分行業(yè)/分稅種企業(yè)納稅行為甄別模型，與傳統(tǒng)Logistic、支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)等單任務(wù)機(jī)器學(xué)習(xí)模型進(jìn)行對(duì)比，研究發(fā)現(xiàn)多任務(wù)學(xué)習(xí)模型的企業(yè)納稅行為甄別能力、泛化能力和穩(wěn)健性更強(qiáng)。