近年来,互联网金融的兴起加快了整个金融市场的资金流动,各种新经济快速衍生,国内P2P行业的发展尤其迅速,P2P网贷平台即单独个体对单独个体的网上借贷平台,是在网络上进行借款和贷款的参与主体之一。P2P平台由于其低门槛性,使得投资者在进行投资时面临了很大的风险,如何在投资时从各类P2P平台中识别出风险较高的平台,是政府以及投资者均面临的一大难题。本文旨在对P2P平台的信用风险进行识别,以便各投资者在投资决策过程中更加谨慎。本文首先利用网络爬虫技术(如八爪鱼等)爬取出关于P2P平台的基本信息、成交信息以及网民舆论信息三个方面的指标信息,包括5个一级指标和25个二级指标。在进行数据分析前,对不平衡数据使用SMOTE算法进行平衡处理。再运用数据挖掘技术中的有监督学习法,其中包括SVM支持向量机、BP神经网络以及C5.0决策树,通过模型比较,从测试集总的分类正确率、第一类错误率(即高风险误判为低风险)、第二类错误率(即低风险误判为高风险)来看,C5.0算法在P2P平台风险识别过程中分类性能最好,最终选择C5.0算法进行特征选择。从25个变量指标中筛选出P2P平台风险识别的最优的20个指标体系,发现注册地、是否加入监管协会、平均借款期限、银行存管等20个指标是影响P2P平台风险的最重要的指标,进一步利用因子分析,对这20个指标构建的P2P平台风险评价体系进行分析,提取出6个公因子,然后计算出P2P平台风险综合得分,最终利用综合得分对103家P2P平台进行排序,验证C5.0算法特征选择结果的合理性以及较好的P2P平台风险预测能力。