自上个世纪90年代以来，随着中国经济的发展和内需的扩大，信用卡业务迅速发展起来。信用卡业务的关键在于信用风险的控制，为了更好的防范信贷风险和进一步推动个人消费信贷业务的发展，发卡机构必须建立一套完善有效、科学合理的个人信用评价体系。信用评价将客户分为“好”客户和“差”客户，根据历史上每个属性的若干样本，建立数学模型，预测信用卡使用者的违约风险。决策树算法简单直观，误差率低，本文选取该算法作为建立信用评价模型的方法。本文首先对数据挖掘、信用卡业务、信用评价三者的理论框架进行结合，分析了数据挖掘、信用卡业务中信用评价的特点，为下文建模方法的筛选奠定理论基础。其次结合数据挖掘几种方法的不同特性，选择决策树C5.0算法作为本文模型建立方法，并详细介绍了如何利用C5.0算法建立模型。最后从某发卡行获取的商业银行信用卡个人数据出发，采用上述算法，经过商业理解、数据理解、数据准备、建立模型、模型评估与分析等步骤，建立了个人信用评价的决策树模型。并且依据发卡机构的实际需求，对决策树模型的成本矩阵和修剪程度进行了调整，形成了修正改进的模型。基于决策树方法的个人信用评价模型精确度高、可控性强，可在实际中广泛运用。且通过建立误判矩阵，使得发卡机构运营中成本最低。在实际运用中对于进行信用卡申请者的判别有一定的指导性作用，并能够为信贷决策提供支持，具有较强的理论和现实意义。