近几年,互联网和大数据技术不断更新迭代,加上大众的提前消费观念,社会上衍生出了种类繁多的贷款方式。银行作为主要的放贷机构,贷款是其金融主营业务收入的重要组成部分。但是贷款给银行带来利益的同时,银行自身也承担着潜在风险。一方面,由于各个银行之间的贷款业务是相互竞争关系,很难做到对客户的信息共享,这就可能导致银行对客户还款行为的预测存在偏差。另一方面,加上道德因素以及客户行为不确定性因素的影响,在某些突发状况下可能会导致客户违约的可能性变大。银行是国家能够平稳运行的一大重要环节,因此提高风险控制水平显得尤为重要。但是银行的贷款数据往往是不平衡的,如何挖掘少数类样本背后的信息更精确的预测客户的还款行为是有必要的。本文在非平衡样本的预测研究问题上,集主要精力于样本以及模型两个方面。（1）在样本的处理上:对于比例失衡比较严重的样本,之前有学者提出过采样以及欠采样方法。这两种方法只是单纯的复制或减少原有样本,并没有提供更多的信息,效果也较为一般。后来有学者提出SMOTE算法,它不再仅是对少数类样本的简单复制,而是通过一定的方法合成与少数类样本类似的样本,从而使整个样本变得更加健壮。但是SMOTE算法对少数类样本的合成具有盲目性。本文结合K-means算法与SMOTE算法,首先对少数类样本进行聚类分析,对于类别中心最远离于多数类样本中心的类不予合成新的数据;对于最靠近于多数类样本中心的类别和样本量较多的类别给予着重关注。最靠近于多数类样本中心的类别比较贴近边界,边界附近的样本能使分类器的分类效果增强,所以对于该类别样本应该给予扩充,但是又不能扩充太多,因为扩充较多使得扩充噪声点的可能性也会显著增加;同时也应对样本量较大的少数类进行扩充,因为其保留了少数类样本的主要信息。（2）在模型的处理上:本文选用了被广泛使用的三种模型,BP神经网络、逻辑回归、决策树。分别介绍了三种模型的理论基础,并且介绍了常用的集成学习方法。最后根据投票的方式,将上述三种模型融合成一个集成模型,并且分别比较了各个模型在传统SMOTE算法,以及改进的SMOTE算法上的表现。最终结果都表明改进之后的SMOTE算法要优于传统的SMOTE算法。