Machine Learning based Enterprise Financial Audit Framework and High Risk Identification
创建于 更新于
摘要
本研究提出基于机器学习的企业财务审计与高风险识别框架，采用四大会计师事务所2020-2025年审计数据，比较了随机森林、支持向量机和K近邻三种模型，结果表明随机森林以0.9012的F1分数表现最佳，尤其在欺诈检测和合规异常识别方面优势明显。通过特征重要性分析，审计频次、历史违规、员工工作量及客户满意度是关键风险预测因子。研究为智能财务审计体系构建提供了实践指导，并展望结合深度学习与外部数据的未来发展路径[page::0][page::1][page::8]
