互联网金融随着大数据的发展应运而生,作为金融业务的核心和基础,风险控制一直以来也备受关注。消费金融可有效提高居民的消费水平和能力,其借款对象具有人群大、额度小、周期短、复杂性强的特点,这使得准确预测借款人是否可能违约变得更加困难。随着人工智能技术的渗透,金融科技可以提供更加精确的风控服务。在理论层面,信贷违约预测是典型的极度不平衡数据下的二分类问题,数据除了具有高维、稀疏的特点外,往往还含有大量噪声样本,使得传统的数理统计和机器学习方法不能有效识别出具有潜在违约风险的用户,可能会在经济上造成较多的损失,阻碍国家经济的发展。解决不平衡数据分类问题的常用方法有数据层面的采样方法和算法层面的代价敏感学习,因此本文从以上两类解决方法出发,依托先进的机器学习方法预测可能违约的用户。本文主要工作和贡献如下:1.依托数据挖掘技术,对借款人数据进行了数据清洗、数据变换,使用方差过滤和互信息筛选相结合的特征选择方法确定出36个关于借款人的特征用于进一步研究,保证了选取的借款人特征的有效性。接着,基于LightGBM算法搭建了信贷违约预测模型,并将其与常见的机器学习算法KNN、支持向量机、随机森林等进行对比,实验结果表明,基于LightGBM算法的预测模型在AUC、G-mean、Recall值上显著优于其他模型;2.在数据层面,针对现有大多数算法没有同时考虑合成的少数类中存在噪声样本及类内分布不均衡问题,提出了过采样算法Minority-Kmeans-SMOTE,首先基于KNN算法识别出噪声样本,接着用K-means算法将少数类中的非噪声样本聚类成不同的簇,根据簇内少数类的密度有针对性的过采样,以此缓解类内不均衡。当数据集极度不平衡时,我们将Minority-Kmeans-SM4OTE算法与基于Easy Ensemble思想的下采样算法相结合组成混合采样算法MKSE-LGBM,在KEEL公开数据集及信贷违约数据集上的结果表明,算法MKSE-LGBM可有效提高模型的AUC、G-mean、Recall值;3.在算法层面,传统的交叉熵损失函数在面对不平衡数据分类问题时性能不佳,我们可以通过修改损失函数将代价敏感学习与LightGBM算法结合。具体地,修正LightGBM模型中传统的交叉熵损失函数为不同形式的加权损失函数,实验表明模型效果得到提升。进一步考虑到样本分类的难易程度不同,引入了目标检测领域的焦点损失函数,实验结果表明,焦点损失函数可有效提高模型的AUC、G-mean、Recall值。