近年来大数据与互联网金融得到了迅速发展,P2P行业作为互联网金融的重要组成部分,拥有着比传统银行信贷业务更加便捷的优势,应用数据挖掘技术防范金融风险是当前的一个重要课题。本文以贷后风险预警为研究背景,将借款人按还款情况细分为履约者、关注者、违约者三类。在数据处理中调用feature selector特征选择库对数据清洗,并使用Xgboost(XGB)和RandomForest(RF)算法进行特征选择,得到还款进度、贷款成本、偿债能力、外部授信这4个方面是影响还款情况的重要因素。贷款利率是信贷中的关键要素,文中用含有哑变量的回归模型探究得到借款人的信用等级是影响贷款利率高低最显著的因素。在预警模型中用交叉验证、学习曲线分析、统计检验三种方法比较了6种单模型和5种基于决策树的集成模型,发现集成模型相比单模型的分类性能具有明显优势且LightGBM(LGBM)模型的性能最优。为了解决不平衡数据对模型结果的影响,文中从数据扰动、参数扰动、特征扰动三个方面进行优化LGBM模型,最终得到该模型在F1_macro得分和违约者的Recall这两个评价准则下相比其它模型都有改善,特别是违约者的Recall得到了显著提升。