随着近几年来信用卡发卡量的爆发式增长,当前信用卡业务已成为商业银行利润的重要组成部分,但同时也带来了高风险,这是商业银行在风险防控领域需要重视的问题。信用风险一直是商业银行运营中的重要风险,关系着商业银行的经营和发展状况。如何有效识别信用卡客户,减少高风险信用卡客户的授信额度,以降低信用风险给商业银行带来的损失,是防控信用风险的重点难点。基于当前信用卡逾期风险预测的困难和深度学习优秀的特征学习能力,文章提出了基于深度学习的信用卡逾期风险预测的方法。本文在对某商业银行数据仓库导出数据的充分分析的基础上,首先对导出数据进行了预处理。对输入项进行分析、删减与标准化处理,并实现了一个基于深度学习的分类器模型,对个人客户的信用卡逾期风险进行预测。然后对该模型进行调优,对深度神经网络结构进行微调,在兼顾实验环境机器性能的情况下尽可能优化实验结果。针对模型过拟合问题,本文使用了多个过拟合解决方案处理,并对效果做了实验对比。