本書融合多來源涉稅數(shù)據(jù)，基于K-S檢驗和隨機森林等算法，構(gòu)建了企業(yè)納稅行為甄別指標體系；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)學習的分行業(yè)/分稅種企業(yè)納稅行為甄別模型，與傳統(tǒng)Logistic、支持向量機和神經(jīng)網(wǎng)絡(luò)等單任務(wù)機器學習模型進行對比，研究發(fā)現(xiàn)多任務(wù)學習模型的企業(yè)納稅行為甄別能力、泛化能力和穩(wěn)健性更強。