近年来随着互联网+思维的广泛传播,深入到社会各行各业,互联网给金融产业带来了巨大的变革,在此基础上诞生的P2P网络借贷平台也面临着由初始的蓬勃发展转向激烈竞争的局面。P2P网络借贷(Peer-to-peer)允许个人通过平台面向广大公众进行借贷,该笔借贷一般为无担保贷款,并且无需银行等金融机构的介入。P2P平台由于其自身特性,在借款方和出借方的借贷过程中不需要第三方机构如银行的加入,防控平台风险主要依靠的是个人信用评级制度,然而我国目前还没有明确的法律监管措施,平台对借款方的信用信息收集成本高,公民征信体系不健全。由于信息的不对称,借款人对自身借款的用途、还款意愿、偿还能力等都十分清楚,而出借方却不完全拥有借款人的全部信息,这种情况下产生的道德风险和良币驱逐现象都十分普遍,导致借款方违约欺诈现象频发。出借方无法准确判断该笔借贷存在的风险大小,对平台.无法信任,最终可能会导致P2P市场运行效率低下,长此以往P2P行业发展势必受到严重的阻碍。截止2015年底,P2P问题平台达到896家,涉及资金超过80亿元。本研究通过引入数据挖掘算法,使用人工非平衡数据对几种经典的数据挖掘算法进行性能的对比,最终选择随机森林算法构建模型。随机森林模型能够将借款方的相关信息全部加入解释变量中,而不需要对变量进行编码,归一化处理,进行交叉检验及精炼,可以避免删除隐藏的有效信息。研究收集了国内某龙贷P2P网络借贷平台13万条数据,经过数据的预处理最终获得122804条有效数据,使用随机森林算法构建了P2P网络借贷借款方违约行为预测模型。通过Dist指标对模型进行优化,从研究的结果上看,预测模型对测试集的预测结果表明了模型具有良好的性能,其中模型的准确率达到0.978,查全率为0.7002,AUC值为0.803。可以为我国的P2P网络借贷风险控制提供一定的参考价值。