我国是一个农业大国,“三农”问题一直是关系我国经济进步和社会稳定的大事。但是我国农村经济水平低下,农民文化素质严重不足,导致我国农业发展的规模化、现代化水平远跟不上时代发展的需要。“三农”贷款是政府和金融机构合力推出的一项有助于“三农”发展的惠农政策,能在一定程度上推动农业的规模化、产业化发展。然而,由于我国贷款农户抗风险能力严重不足,导致不良信用贷款现象频发,以至于金融机构在放贷过程中过于谨慎,导致“三农”贷款资金分配不合理和放贷不及时,这些反过来又制约农户的还款能力,从而使“三农”贷款限入僵局。为使在“三农”贷款过程中农户和贷款银行达到双赢局面,促进“三农”贷款的可持续发展,本文通过对长沙市某中国农业银行的“三农”贷款数据资料进行统计分析,先利用相关分析法和主成分分析法对预测数据进行自变量筛选,再基于机器学习方法支持向量机先后建立了“三农”贷款客户二分类模型和“三农”贷款五级风险等级预测模型。从长沙市某中国农业银行随机抽取500个“三农”贷款客户的资料对本文建立的模型进行有效性验证,发现基于支持向量机的“三农”贷款客户二分类模型的分类精度略高于BP神经网络的分类精度,基于支持向量机的“三农”贷款五级风险等级预测模型的精度明显高于BP神经网络的分类精度,说明了本文模型的预测精度更高,稳定性更好,且支持向量机的训练时间更短,效率更高。本文研究对于“三农”贷款的可持续发展具有重大意义。