【摘要】上市企业内部控制缺陷信息是企业利益相关者进行决策的重要参考，人为操纵内部控制缺陷认定以及错误披露内部控制缺陷信息会引发企业未来的经营风险。基于机器学习算法构建的预测模型能够对企业的内部控制缺陷进行有效预测，有助于企业对潜在风险进行预警。实证研究表明：与判别分析、逻辑回归、支持向量机、决策树等利用机器学习算法预测企业内部控制缺陷的模型相比，随机森林模型在预测的准确率、精准率、召回率、F1-score和AUC值方面综合表现更好。在使用随机森林模型预测企业内部控制缺陷的过程中，审计费用、机构投资者持股比例和总资产增长率等特征变量起到了重要预测作用。进一步采用SHAP方法对特征变量进行贡献分布可视化分析，深度挖掘特征变量对企业内部控制缺陷出现的影响机理。