互联网技术催生了一大批新兴产业,促使互联网金融业蓬勃发展,不论是京东白条、蚂蚁花呗还是P2P网贷,越来越多的信用消费产品走入人们的生活。众多互联网信贷产品在为用户提供便捷可靠的服务之前,需要先依据用户的基本信息、历史交易数据来构建个人信用风险评估模型以预测可能发生的违约风险。使用机器学习算法构建个人信用风险评估模型是解决这一实际问题的常用方法。信贷数据通常是类别不平衡的,传统的机器学习算法在面向不平衡数据的分类问题时,通常易将少数类样本误分为多数类,导致预测结果不理想。然而在现实问题中,对少数类样本进行准确地识别往往是更为重要的。面对不平衡数据,如何有效的对其进行分类有着重要的研究价值。与此同时,信贷数据还具有维度高、冗余特征较多的特点,如何对数据进行有效的特征选择,使得选出的特征子集在包含最多数据信息量、最少噪声特征的同时,可以最大程度提升模型泛化能力、节省模型训练时间。基于此背景,本文以提高不平衡的信贷数据中少数类样本的识别率为研究目标,提出了一种改进的数据过采样方法和一种改进的特征选择方法,用于处理高维不平衡的信贷数据,通过改进的深度森林算法建立个人信用风险评估模型,具体研究内容如下:(1)使用数据过采样方法降低数据倾斜度。针对不平衡的信贷数据同时包含分类特征和连续特征的特点,提出了一种基于HVDM距离的改进ADASYN数据过采样方法,提高过采样过程中生成新样本的效率与合理性。(2)提出一种基于最小冗余-最大相关思想的特征选择算法,以单特征AUC值作为特征重要性的衡量标准,并进行排序,通过计算特征间Kendell相关系数,选出信息量高且冗余特征较少的特征子集。(3)基于国内外不平衡信贷数据,使用深度森林算法gcForest构建个人信用风险评估模型。通过对深度森林中的级联结构进行改进,结合XGBoost算法丰富级联层原有的基分类器类别,进一步强化整个森林对少数类样本的识别能力,最终构建针对不平衡信贷数据的个人信用风险评估模型。