Comparative Analysis of Classification Algorithms Applied to Circular Trading Prediction Scenarios

Para os estados e municípios brasileiros, o Imposto sobre a Propriedade de Veículos Automotores (IPVA) é a segunda fonte mais importante de receita. A adimplência na arrecadação do IPVA depende de diferentes fatores, tais como a economia do país, o valor venal e a residência dos veículos, dentre outros fatores. Prever se os contribuintes serão adimplentes ou não em relação ao pagamento do IPVA pode fornecer subsídios que auxiliem os governos a elaborar políticas públicas, planejando ações fiscais e direcionando as campanhas de incentivo ao pagamento tempestivo do imposto. Neste trabalho, foi realizada uma série de experimentos buscando construir uma solução para o problema de classificação de contribuintes quanto à adimplência em relação ao pagamento do IPVA. Foram utilizados dados reais referentes ao IPVA do Estado do Ceará no período de 2019 a 2023. Ao todo, quatro algoritmos de classificação foram explorados para classificar os contribuintes em dois grupos: adimplentes e inadimplentes. Os melhores resultados alcançaram uma pontuação F1 de 0,86 comprovando a viabilidade da solução proposta.

show abstract

Comparative Analysis of Classification Algorithms Applied to Circular Trading Prediction Scenarios

Cited by 3 publications

References 20 publications

Detection of Structured Fraud Supported by Shell Companies on Goods and Services Trading Operations

Detection of Structured Fraud Supported by Shell Companies on Goods and Services Trading Operations

On identifying early blockable taxpayers on goods and services trading operations

Predição da Inadimplência do IPVA no Estado do Ceará Utilizando Aprendizado de Máquina

Contact Info

Product

Resources

About