网络借贷具有灵活、便捷和低门槛等特点，为我国中小企业或个人借款者所青睐。然而，网络借贷在发展的过程中风险的复杂性和所涉及知识的新颖性是具有挑战性的，特别是风控能力弱、获客能力低、经营不规范等问题使得我国部分的网贷平台退出。因此，网贷平台风险知识获取研究成为了监管者、学者和投资者的重要课题。论文试图设计网贷平台风险知识获取模型，采用数据挖掘的方法获取网贷风险知识，从Outlier视角识别网贷异常平台。具体而言，首先，借助集搜客爬虫软件采集可获取到网贷之家和网贷天眼的平台数据；其次，对结构化和非结构数据进行数据预处理，将原始数据转化成相关变量；再者，采用XGBoost进行特征选择，并利用决策树挖掘异常平台隐藏风险知识；最后，基于无监督Outlier算法和有监督算法识别网贷异常平台。研究发现：采用XGBoost对特征重要性排序，资金安全的分数最高，这说明了资金安全是网络借贷平台风险管理的重中之重。利用决策树模型构建了异常平台隐藏模式挖掘模型，生成相关的规则。经营异常处于整棵树的根结点，这说明经营异常在平台风险管控中非常重要。除了经营异常之外，资金存管、运营时间和平均收益率也是重要的风险因素。在此基础上，论文比较了有监督和无监督Outlier算法共12种算法识别异常平台的分类效果，实验结果表明XGBoost算法应用于识别网贷异常平台精确度最高，达到92.82%。研究结论不仅对深化网络借贷的研究具有理论与方法意义，而且对监管者、网贷平台和投资者具有实践价值。