Description

Data Set Information:

本研究的目的是通过建立一个分类模型来帮助审计师，该模型可以根据当前和历史风险因素预测欺诈公司。行业信息和公司数量分别为灌溉（114家）、公共卫生（77家）、建筑和道路（82家）、森林（70家）、企业（47家）、畜牧业（95家）、通信（1家）、电气（4家）、土地（5家）、科技（3家）、旅游业（1家）、渔业（41家）、工业（37家）、农业（200家）。

Attribute Information:

在与审计师进行深入访谈后，从各个方面检查了许多风险因素，如审计处的过往记录、审计段落、环境条件报告、公司声誉总结、持续问题报告、利润价值记录、损失价值记录、后续报告等，对重要的风险因素进行评估，并根据当前和过去的记录计算其存在的可能性。

Relevant Papers:

Hooda, Nishtha, Seema Bawa, and Prashant Singh Rana. 'Fraudulent Firm Classification: A Case Study of an External Audit.' Applied Artificial Intelligence 32.1 (2018): 48-64.

Citation Request:

This research work is supported by Ministry of Electronics and Information Technology (MEITY), Govt.of India