进入21世纪,互联网+思维作为知识创新的新成果,被广泛应用到各行各业,同时也在金融行业中掀起一阵互联网+金融的浪潮。P2P网络借贷平台作为互联网+金融的产物,它既可以为拥有闲置资金的人提供保值、增值的途径,又可以为资金周转困难、需要融资的企业或个人提供筹资渠道。P2P网络借贷起源于英国,是由网络信贷公司提供平台,借贷双方根据自己的意愿和需求自由竞价,促成成交的一种借贷模式。这种借贷模式具有利率高,操作方便、借贷手续少等特点,很快传入我国形成互联网金融,成为一个备受关注的新兴产业。但我国公民信用体系尚未规范,网贷平台无法保证贷款申请人的信息是否真实,信息不对称,很难控制信用风险,导致借款方网络违约现象频发,给网络借贷平台带来难以弥补的损失。为了控制借贷的风险,需要对申请贷款者的违约进行评估和预测,尽可能降低损失,保证P2P网贷行业的健康、稳健的发展。本文将数据发掘方法引入P2P网贷违约行为预测分析中,通过对C4.5决策树,CART决策树和随机森林几种经典的决策树模型的性能进行对比,最终选取模型性能最优的随机森林算法构建模型。随机森林模型不但对非平衡数据的包容性良好,而且不受特征变量间具有相关性的影响,因此可以将全部解释变量纳入模型中,减少信息的的浪费。本文选取了P2P网络贷款平台Prosper交易记录作为样本,采用随机森林算法建立违约预测模型,利用误差变化图选取随机森林模型中决策树数量和每棵决策树的特征变量数量两个参数的最优取值,并通过ROC曲线选择最优分类阈值。最终结果显示,随机森林预测模型对测试集的精确率为86.80%,召回率为90.05%,提高了模型性能,整体预测效果比较理想。