P2P网络借贷是金融行业利用网络对传统银行的贷款业务作出的一个创新,它通过网络将借款人和投资人联系起来。近几年P2P网络借贷发展迅速,但是随之浮现的问题也非常明显,即贷款人普遍存在违约情况。本文就对P2P平台提供的借款人的相关信息作出了风险预测模型,并对几个模型加以对比分析。首先对平台提供的数据进行统计分析,作出特征筛选以及特征的重新构造,并对数据分别进行决策树模型、随机森林模型、Adaboost模型构建,发现虽然总体预测误差低,但是小类样本的预测误差高。然后对不平衡数据进行基于聚类的随机欠采样,再对得到的平衡数据分别进行决策树模型、随机森林模型、Adaboost模型构建。最后为了更多关注违约用户的预测情况,本文将违约用户的权重提高,在改变了的样本分布下重新训练分类器。并对以上三种情况下得到的模型进行泛化误差对比以及混淆矩阵对比。结果表明,平衡数据之后以及改变样本权重之后的模型虽然整体误差有所提高,但是对于小类样本的分类更加精确了。