近年来,我国互联网金融发展迅速,P2P网络借贷作为其中的一种重要模式也得到了快速发展。区别于传统的银行借贷和民间借贷,P2P网络借贷打破了传统金融机构对于融资对象、融资渠道和融资来源的垄断,也解决了民间点对点借贷面临的受限于地域范围,需求匹配难和风险高的缺点,使供求双方可以通过网络平台直接进行对接,能够充分利用社会闲置资金,促进利率的市场化,提高社会资源配置效率。而如今P2P网贷正在从规范化向专业化过渡,借贷资金的安全保障及借贷行为的风险控制越来越被重视。本文基于多个分类模型对P2P借款人信贷风险进行了研究,首先对各个分类模型的理论进行阐述;然后,对数据集进行细致的预处理,为后续建模工作做准备;接着分别运用逻辑回归、随机森林、GBDT及三者的模型组合对借贷行为做风险评估和预测;最后就各模型对借款人的信贷风险评估效果做相关的评价和总结。本文基于美国最大的P2P网络借贷公司Lending Club近两年的借贷数据进行研究和分析,研究发现应用集成学习进行模型融合,对信贷风险的评估和控制具有较好的效果。同时,本文建议推进国内征信系统的规范化,以及多个征信系统数据的互联互通,为个人信用评估提供更加可靠的数据支撑。此外本文的研究还可以作为国内P2P网络借贷平台或者是资金出借方对借贷风险评估的参考方法。