在互联网金融如火如荼的今天,以P2P网贷为例,目前该行业规模正以每年翻5倍的趋势增长。该行业的核心问题就是如何正确有效帮借款方找到资金以及帮贷款方进行风险控制。而在大数据的浪潮下,面临的用户数据无论在用户数量这个维度,抑或是用户信息量这个维度都以指数的形式增长,所以如何提升效率也成了一个重要的问题。而这个问题恰恰可以转换为数据挖掘领域的分类器问题来加以解决。至今为止,在国内,人们对于分类器的研究日益成熟,成果丰硕,但对于利用分类器来解决个人信用评级模型的方向还在发展之中,本文通过大量国内和国外关于个人信用评级模型的文献,总结目前不同分类器在个人信用评级模型上的运用程度,比较了不同分类器在个人信用评级模型上的适用性和各自优劣。并提出了将门限logistic模型应用到个人信用评级模型上的新思路。最后通过实例数据验证,详细的描述了个人信用评级从数据预处理到最后的预测结果产生的完整的流程,并通过预测结果的对比,得出了门限logistic模型优于其他模型的结论。