随着经济的迅速发展,人民生活水平不断提高,信用卡的发行量也与日俱增,客户违约支付的风险随之增大。传统的风险评估方法已不能满足现状,基于此本文针对如何实现信用卡违约客户的高查准率和高查全率识别展开了探讨。本文首先调研了信用卡行业发展现状和信用卡风险识别研究现状,分析了机器学习在信用卡风险识别中的应用和优势,然后利用传统机器学习单模型和混合模型分别建立了客户违约支付预测模型。在模型的建立中通过删除重复样本、离群点处理、特征标准化、不均衡样本SMOTE过采样进行了数据预处理。提取了时间、聚合和交叉特征等共计50维。通过LightGBM重要性打分与PIMP算法结合的方式进行特征选择,最终保留特征42维。所建立的模型主要分为:(1)基于客户违约支付数据的样本不均衡性,将违约样本作为异常点,通过孤立森林和局部异常因子进行检测;(2)利用具有不同分类思想的5个经典机器学习模型:K最近邻(KNN)、支持向量机(SVM)、逻辑回归(LR)、随机森林(RF)、轻量级梯度提升机(LGB)分别进行预测评估;(3)基于以上两种单模型的表现,利用Voting,Stacking,Voting和孤立森林两阶段融合,Stacking和孤立森林两阶段融合这四种混合模型进行预测评估。以Recall和AUC作为主要的评价指标,实验结果表明:(1)异常检测模型中孤立森林的整体表现优于局部异常因子,但在查准率上二者表现欠佳;(2)在5个传统机器学习单模型中LGB的综合性能表现最好,违约客户的查全率达到0.88以上,在5个模型中违约客户查准率和AUC值最高,且耗时较少,但是其查全率仍然有待提升;(3)四种混合模型的各项指标与传统单模型相比均有显著提升,其中AUC均大于0.89,Stacking-iForest 达到 0.98。Voting-iForest 和 Stacking-iForest 的整体表现也明显优于传统的混合模型Voting和Stacking,其中Recall分别提升了 6%和8%,因此,在客户违约支付识别的实际应用中结合孤立森林进行两阶段融合具有很高的参考价值。