Python工程應用-數(shù)據(jù)分析基礎與實踐課件-第13章

第一章概論西華大學機器學習第十三章偷稅漏稅行為識別分析XXX學校XXX2022目錄Contents案例引入模型介紹案例操作

本章知識圖譜3案例引入一1案例引入5案例數(shù)據(jù)：

本案例將以汽車銷售行業(yè)為例，將提供汽車銷售行業(yè)納稅人的各個屬性和是否偷稅漏稅的標識。案例目標：

結合汽車銷售行業(yè)納稅人的各個屬性，總結衡量納稅人的經(jīng)營特征，建立偷稅漏稅行為的識別模型，識別偷稅漏稅的納稅人。模型介紹二2模型介紹7

本案例將使用LM神經(jīng)網(wǎng)絡對該問題進行求解，因此先對該方法進行介紹。LM(Levenberg-Marquardt，萊文貝格——馬夸特)神經(jīng)網(wǎng)絡算法，是梯度下降法和高斯牛頓法相結合的方法，它綜合了這兩種算法的優(yōu)點，在一定程度上克服了基本BP神經(jīng)網(wǎng)絡收斂速度慢和容易陷入局部最小點等問題。LM神經(jīng)網(wǎng)絡算法參數(shù)沿著與誤差梯度相反的方向移動，使誤差函數(shù)減小，直到取得極小值。設誤差指標函數(shù)為：

2模型介紹8

2模型介紹9

案例操作三3.1案例步驟3.1案例步驟收集某地區(qū)汽車銷售行業(yè)的銷售情況和納稅情況。數(shù)據(jù)集中應該提供汽車銷售行業(yè)納稅人的各個屬性與是否偷稅漏稅的標識。對數(shù)據(jù)集進行數(shù)據(jù)探索，查看是否有缺失值、異常值等。利用Step2中的探索結果，對數(shù)據(jù)進行清洗。并且隨機選擇80%的數(shù)據(jù)集作為后續(xù)模型的訓練樣本，20%的數(shù)據(jù)集作為后續(xù)模型的測試樣本。利用CART決策樹和神經(jīng)網(wǎng)絡分別建立汽車銷售行業(yè)預測模型，并且對模型進行訓練。利用Step4中訓練的模型以及Step3中的測試數(shù)據(jù)集，對模型進行評估測試。對識別結果進行輸出。3.2案例實現(xiàn)1、數(shù)據(jù)獲取

本案例為了盡可能覆蓋各種偷稅漏稅方式，收集了不同納稅類別的所有偷稅漏稅用戶和正常用戶的納稅情況，以及偷稅漏稅用戶的偷稅漏稅關鍵數(shù)據(jù)指標，共計124條數(shù)據(jù)。2、數(shù)據(jù)探索分析

觀察所獲得的數(shù)據(jù)，可以知道樣本數(shù)據(jù)包含15個特征屬性，分別為14個輸入特征和1個輸出特征，有納稅人基本信息和經(jīng)營指標數(shù)據(jù)。數(shù)據(jù)探索分析能夠及早發(fā)現(xiàn)數(shù)據(jù)是否存在較大差異，并且對數(shù)據(jù)整體情況有基本的認識。3.2案例實現(xiàn)

運行結果：

根據(jù)數(shù)據(jù)的分布情況可以看出，銷售類型主要是國產(chǎn)轎車和進口轎車，銷售模式主要是4S店和一級代理商。3.2案例實現(xiàn)3、數(shù)據(jù)預處理

通過數(shù)據(jù)探索可以知道數(shù)據(jù)里存在缺失值和異常值，需要進行預處理，運行結果：4、劃分訓練數(shù)據(jù)集與測試數(shù)據(jù)集

為了保證模型的正確性和合理性，需要將數(shù)據(jù)集劃分為訓練數(shù)據(jù)集和測試數(shù)據(jù)集。將80%的數(shù)據(jù)集作為訓練數(shù)據(jù)集，20%的數(shù)據(jù)集作為測試數(shù)據(jù)集。3.2案例實現(xiàn)5、構建偷稅漏稅行為識別模型

由圖結果可以看出，準確分類的樣本數(shù)為：98+1=99；由此可知模型準確率為：99/(99+0+0)=100%。(1)CART決策樹分類模型建立2)決策樹分類模型評估1)LM神經(jīng)網(wǎng)絡預測結果3.2案例實現(xiàn)(2)LM神經(jīng)網(wǎng)絡模型建立1)LM神經(jīng)網(wǎng)絡預測結果

由圖結果可以看出，準確分類的人數(shù)為：59+37=96；由此可知模型準確率為：96/(96+0+3)=96.97%2)LM神經(jīng)網(wǎng)絡評估結果3.2案例實現(xiàn)(3)兩模型ROC曲線比較

優(yōu)秀的分類器所對應的ROC曲線應該更加靠近左上角。對比分析，CART決策樹的ROC曲線比LM神經(jīng)網(wǎng)絡的ROC曲線更加靠近左上角，說明CART決策樹模型的分類性能更好，更加適用于對本案例的偷漏稅行為的識別。

思考題19