互联网的快速发展改变了传统的产业结构,在造福各行各业的同时也推进了金融业务的快速崛起,商业银行信贷业务面临着巨大的机遇挑战与风控压力。在“互联网+金融”模式下,新技术层出不穷,新服务方式日新月异,都在一点点的颠覆金融行业传统的运营模式。大数据时代,对于一个人风险的判定也越来越多维,以商业银行为主的传统金融业亟待转变其经营方式,提升信贷产品的审批效率并做好风险控制。因此,如何优化客户分类,更合理地为管理者提供数据支撑,更高效地进行风险管理,具有非常重要的现实意义。本文通过查询和阅读相关文献了解了国内外信用评分技术的发展历程。同时,对本地部分银行的信贷员开展了一次快速调研,调研范围覆盖了国有银行、股份制银行、城商行、农商行以及村镇银行,了解了实际生活中不同银行在信贷审批上的业务流程。本文主要通过如下五个部分进行论述:第一部分主要是阐述了选题的研究背景及意义、国内外研究概况、研究内容及组织结构。本文是基于机器学习中的多种算法建立了个人信用评分卡模型,所以第二部分对相关理论和模型进行了详细的介绍。相关理论主要为评分卡制作基础理论,相关模型覆盖了目前在信用评分领域较为常用的四个算法。第三部分和第四部分主要是以信用评分卡开发流程为主线,从数据处理、探索性分析、变量选择、模型评估和评分卡制作等五个方面进行了论述,并形成对比实验。第五部分对本文所做工作进行了总结与展望。本文创新点如下:（1）本文从计算机专业角度出发,结合时下流行的机器学习知识对数理统计模型开展研究,使用了逻辑回归、随机森林、支持向量机和XGBoost等四种算法,对个人信用评分的算法模型研究更为全面。（2）本文在个人信用评分卡设计流程中使用了随机森林对缺失值进行填充、使用了SMOTE算法对数据不平衡性进行处理,在数据分箱阶段运用了卡方检验,得到了较高质量的样本数据,更好的发挥了算法的性能。（3）通过对逻辑回归、随机森林、支持向量机和XGBoost等四种算法模型的分析,本文提出了一种更有效的个人信用评分方案,即以基于逻辑回归的个人信用评分卡为基础,复合XGBoost算法并根据合理的阈值划分开展二次判定的方案。既能向上检验,又能向下挖掘潜在客户,既兼顾了逻辑回归算法的稳定性和可解释性,又充分利用了XGBoost算法的准确性。