随着互联网金融在中国的高速发展,其业务之一的在线贷款已经开始被大众接受和使用。由于在线贷款的手续与传统银行贷款手续不同,因此如何计算贷款者在贷款前的信用及风险是该业务开展的核心问题。同时,该核心问题还包括在贷款后实时跟踪贷款人的经济情况变化,预测其是否会按时还款等问题。针对在线贷款业务数据量大,模型更新迭代频繁的特点,本文基于随机森林的可并行性和Spark的并行计算平台设计并实现了并行随机森林,从而减少了整个模型训练和预测的时间。针对在线贷款还款数据的非平衡性(即大多数的数据是正常,而少数是逾期),本文提出了基于改进综合采样的方法重构平衡数据。此外,本文根据随机森林算法的不足,提出了一种加权随机森林算法,此算法在构造随机森林的每棵决策树时利用预测OOB数据的F1值来评估该决策树的性能,从而给每棵树相应的权重来对最后投票进行加权。综上所述,本文根据对在线贷款逾期业务需求和数据的特点提出了一种基于Spark的并行加权随机森林算法。通过实验表明,本文提出的对数据进行重构平衡的方法以及对算法进行的加权改进能有效提高预测的精准度,同时减少平局现象的发生。此外,该算法在F1值上比常见分类算法如SVM、逻辑回归、C4.5、传统随机森林表现更优,并具有良好并行效率和不错的加速比性能。