信用卡业务作为一种非现金业务,属于银行的核心内容以及主要的收入来源,因此其市场竞争相当激烈。而这种激烈的竞争所带来的业务量极具增加的同时,也使银行承担着巨大的风险,除了违约造成的巨大金额损失外,还有一定的催收成本。因此,对用户的违约行为进行预警,提前识别信用卡违约用户就显得尤为重要。本文数据为某大型银行2015―2017年之间的信用卡违约记录数据集。此数据集共有15万条数据,包含11个特征变量,其中特征“是否违约”属于二分类的因变量,有两个类别,违约和未违约,其中未违约用户在总数据集中达到93%的占比。其余10个特征属于自变量,描述了用户的多方面信息,如:月收入,家数数量,负债率等。本文首先基于原始数据集,构建决策树预测模型,实验结果出现准确率很高但召回率极低的现象,对此,本文从数据自身的特点出发,经过探索分析发现,传统的分类模型大都假设:类别的数量相等,并且误分代价也相同,但本文的数据集类别分布极度不均衡,因此并不适合直接用来学习决策树模型。因此本文在学习模型前,先对不均衡的训练集进行均衡处理,选取的处理方法为过采样技术中的SMOTE算法,使得新训练集中的类别达到均衡。本文训练集在过采样处理前,未违约93499人,违约5965人,SMOTE方法处理后的训练集中违约与未违约人数均为93499人,训练集已达到均衡状态,符合决策树模型的构建环境。基于新的均衡的训练集,重新构建决策树分类模型并进行结果评估,将得到的实验结果与基于未经过采样处理的数据所构建的模型预测结果进行对比,发现基于过采样处理后的数据所建立的决策树模型能够在保证准确率的同时,召回率从0.14上升至0.71,这表明识别违约用户的能力具有明显的提高。本文选用的决策树算法简单直观,可理解性强,在实际运用中能够为信贷决策提供支持,具有较强的理论和现实意义。