随着银行信用业务的发展，个人信用卡呈现日益剧增的趋势，为了能够有效地进行个人信用评估和风险预测，越来越多的业务部门亟需使用科学高效的数学挖掘工具作为辅助工具投入到实际业务中去。本文针对现在国内的银行数据库系统还无法有效的利用其中的数据进行智能分析来为商业决策提供参考这一现状，以大学生信用卡风险研究为例，综合使用聚类算法、关联规则和决策树等方法，将个人信誉模型与数据挖掘模型相结合来建立基于数据挖掘的信用卡风险评估系统，用以发现个人信用记录中潜在的风险。首先，本文通过对信用卡相关数据因素的分析，建立基于大学生样本的收入模型、消费模型，并在此基础上建立了个人信贷静态最优风险模型，并且对模型进行了评价；其次，结合对风险因子的分析，使用分类决策树的方法，提出了银行客户的信用评分模型和客户分析模型；最后，针对分类决策树算法的局限性，创新性地改进了K-近邻分析判别方法，并通过对该方法的实现及求解，重点研究了客户违约行为。本文的最终目的在于利用成熟的商业模型高效地分析大学生信用卡相关数据，为推动建设个人信用体系、加快全面地进行个人风险评估制度建立这类商业实践提供理论指导和技术支持。