税收作为维护国家政权的经济支柱,关系着我们国家的长远发展。如何才能有效提升税收征管水平,强化税收领域的风险防控能力一直是税务部门亟待解决的课题。按照现行法律法规的规定,纳税人向税务机关提供的财务数据都遵循统一的财务准则,同时也从财务管理方面反应出了企业的持续经营情况,是企业进行财务核算和纳税申报的基础,这也为使用决策树等机器学习算法构建风险识别模型,对企业财务数据进行深度挖掘,帮助税务机关风险分析人员快速识别风险企业提供了工作基础。目前从企业申报情况和全样本基础数据出发,应用机器学习算法对公路货运行业进行纳税遵从风险识别的研究较少。(1)经过实地风险调研,总结了税务系统进行纳税遵从风险识别时存在的依赖经验判断,风险指标陈旧等问题,同时对公路货运业纳税遵从风险进行了梳理,总结出该行业收入易隐瞒、难核实等自身特点。(2)本文选取2018年度Z市公路货运业税收经济数据为研究样本,按照数据采集、数据处理、建立模型、模型优化的数据挖掘流程,应用决策树模型的进行分析,实现了纳税遵从风险的量化衡量,对行业风险企业进行了风险值排序。(3)选取关键指标进行了因子分析,计算出不同指标对应纳税所得额的影响程度,从规模、费用、利润三类方面分析指标对企业收入的影响程度,表明税务机关要强化对风险企业关键指标的监控分析。(4)通过深入分析城域公路货运行业纳税遵从情况,并结合实证分析得出结果,再次进行分析,对强化机制建设、引导企业转变经营方式、扩展数据来源渠道、优化人员配置四个方面提出建议。希望对我国税务系统纳税遵从风险识别工作有一定的参考意义。