📖 Minimizing unnecessary tax audits using multi-objective hyperparameter tuning of XGBoost with focal loss ✍️ НОЦ ФНС России и МГТУ им. Н.Э. Баумана, #ИУ12 Malashin, I.P. — инженер-исследователь НОЦ ФНС Tynchenko, V.S. — д.т.н., г.н.с. НОЦ ФНС, профессор ИУ12 Gantimurov, A.P. — к.т.н., с.н.с. НОЦ ФНС Borodulin, A.S. — к.т.н., директор НОЦ ФНС Masich, I.S. —д.т.н., в.н.с. НОЦ ФНС и др. 📚 Frontiers in Artificial Intelligence 🏆 Top 15% by SNIP 🔗 https://doi.org/10.3389/frai.2025.1669191 📄 Article 📝 В статье предлагается подход на основе машинного обучения для выявления налоговых нарушений в корпоративных данных. Исследование использует большой массив данных (более 1 млн записей) и фокусируется на обнаружении некорректных адресов, данных директоров и учредителей, уделяя особое внимание молодым компаниям. Для повышения качества выявления нарушений применяются модели классификации и обнаружения аномалий, а также оптимизация XGBoost с помощью многокритериального генетического алгоритма NSGA-II. Показано, что оптимизированная модель обеспечивает более высокую точность при сохранении интерпретируемости, а анализ SHAP позволяет объяснить ключевые факторы несоответствий. Предложенный подход повышает эффективность налогового мониторинга, снижая избыточные проверки и улучшая общий уровень соблюдения налогового законодательства #anomaly_detection #machine_learning #tax_compliance #XGBoost #focal_loss 💡 Scopus Today | Бауманка