随着互联网的快速发展,我国的P2P行业也在快速的发展起来。但是相比西方国家的P2P行业,我国的P2P行业最大的劣势就在于过往没有完善的个人征信系统,所以现在我国的P2P行业都是各自的基于自己的用户在做个人信用评分。过去很多学者只是用银行的数据在做个人信用评分,但是银行的个人信用评分与P2P的个人信用评分是有不同的。本文借助某P2P公司的数据,运用统计学和机器学习的模型,系统的展示了从数据预处理到模型到最后的模型评价的全过程。在做个人信用评分模型中,比较传统的方法可以按统计学和非统计学分成两类。统计学方法:有线性判别分析方法、Logistic回归和决策树等,非统计学方法有:有线性规划、专家系统、遗传算法和神经网络等方法。本文采用了Logistic回归、K最近邻、神经网络、随机森林等四种模型来做比较。最后比较发现随机森林在众多评估度量中,是五个模型中表现最好的。