随着经济体制改革的全面深化,税收环境发生变化,税务机关与纳税人之间的博弈日益激烈。2014年9月国家税务总局发布了《关于加强税收风险管理工作的意见》,提出要以风险管理为导向,借助信息化工具进行对征管活动的监控和管理决策的制定,加强规范税收风险管理工作。纳税遵从风险识别是税收风险管理工作的基础。随着金税三期的全面推广,纳税人向税务机关提供财务数据及纳税申报数据。一般来说,财务数据的产生遵循大致相同会计准则,通过较为共性的会计核算方式反映了企业生产经营状况,是税款计算的主要经济基础数据。使用随机森林等机器学习算法构建并训练纳税遵从风险识别模型,对税收大数据进行深度挖掘,通过对全样本的相关性分析,去除人为因素的干扰,对应纳税额进行预测,并与企业实际申报的应纳税额比较,可以对纳税遵从风险进行有效的识别,并进行重要性排序,辅助税务工作人员进行纳税遵从风险管理。目前从纳税人申报和财务数据等基础大数据出发,应用机器学习算法进行纳税遵从风险识别的研究较少。本文以纳税遵从风险理论和随机森林算法理论为基础,区分了纳税遵从风险与其他涉税风险,总结了国内外纳税遵从风险识别的方法,在介绍随机森林算法在B税务局纳税遵从风险识别的应用研究案例背景的基础上,阐述了B税务局进行纳税遵从风险识别时存在的预警值设置依赖经验判断、关键指标难以界定等问题,按照数据挖掘流程从业务解释、数据的采集和预处理、模型构建、模型检验、结果输出和模型评价对模型的应用进行分析,实现了对纳税遵从风险的量化衡量,进行了重要性排序,得出应客观地对待随机森林算法输出结果、强化数据管理、建立大数据人才培养体系和以大数据分析为依托实行税收专业化管理。希望能对我国税务机关进行纳税遵从风险识别有一定的参考意义。