随着互联网产业的蓬勃发展,传统金融行业开始向着金融互联网化和互联网金融快速转型。网络信贷凭借门槛低、快速便捷、高收益等特点,借助互联网平台存在的优势,迅速成长。然而高收益的背后也存在着高风险,由于其降低了借贷的门槛衍生出一系列包括非法集资、携款潜逃、电信诈骗等问题。如何防范用户欺诈和控制信用风险是近几年一直亟待解决的问题。为此,引入机器学习算法来优化信贷风控系统,促进信贷业务市场健康发展,不失为一条有效途径。信贷风控建模时,主要有两个难点:一是真实业务数据集中往往呈现数据分布极不均衡的现象（即违约客户占总体的极少数,违约样本信息极度缺乏）,导致模型预测困难。二是受限于信贷风控系统对模型可解释性的要求（即构建风控模型时,需要知道每一个特征x对预测结果y造成了怎样的影响,以便业务部门开展工作,如芝麻信用分中“年收入”增长一万元,评分增加10分）,线性模型逻辑回归（Logistics regression,LR）凭借在可解释性上的绝对优势成为信贷违约预测中的最主要选择。但LR模型对非线性特征学习能力有限,致使模型预测精度不高。因此,本文基于样本不均衡优化方法和机器学习算法,研究信贷违约预测问题,主要包括以下三个阶段的研究:第一阶段,梳理相关文献及研究,分析信贷违约预测模型的需求性和必要性。第二阶段,从数据和模型两个层面,解构违约预测模型的优化思路,确定优化过程中的关键因素。第三阶段,实证分析,以Lending Club平台2019年四个季度的数据为对象（共518107条信贷记录,150个特征变量）,在分类算法和采样算法两个维度展开对比分析,验证样本不均衡优化方法和SMOTETomek-LightGBM-LR模型的有效性。本文创新主要体现在数据和模型两个方面,在数据层面,根据信贷数据集样本分布极不均衡的特质,提出了样本不均衡的优化方法。首先根据数据集的样本分布,搜索采样算法的最佳采样比例;再使用采样算法,根据最佳采样比例扩充少数类样本;最后通过代价敏感学习,调整样本权重,增加少数类样本的错分代价。在模型层面,根据LR模型对非线性特征学习能力有限的特点,设计SMOTETomek-LightGBM-LR的信贷违约预测模型。先采用基于SMOTETomek算法的样本不均衡优化方法,提升数据质量;再采用LightGBM算法进行特征衍生,将其在根节点到叶子节点的路径作为新特征,与原始特征合并,作为LR模型的输入,提升LR模型对非线性特征的学习能力。最后通过AUC值、KS值及召回率评价不同分类模型的预测精度。实验结果表明:（1）本文提出的样本不均衡优化方法,对比优化前预测结果在AUC值、KS值及召回率三项指标上均有一定提升,验证了优化成果。（2）本文设计的SMOTETomek-LightGBM-LR信贷违约预测模型,对比其他模型预测结果在AUC值、KS值及召回率三项指标上均为最高,验证了本文模型的有效性。基于现实意义的角度,本文研究主要有两点贡献:一是一定程度上改善了实际信贷审批业务中数据分布极不均衡的困境,为网贷平台等金融机构完善风控系统提供了新思路;二是采用模型融合的方式,提高信贷违约预测精度,为信贷行业降低违约率,提升资金利用效率,提供了新方法。据此对网贷行业未来的发展提出三点建议:第一,整合外部征信数据,拓宽信用数据来源渠道,构建与时俱进的征信体系;第二,改变利率设定机制,适当调低低信用等级用户的利率,降低违约风险;第三,保障投资者权益,推广机器学习算法的运用（如模型融合等）,以此完善风控系统建设,促进行业可持续发展。