最近几年来,国内中小企业发展迅速,对于贷款融资的需求日益增加,商业银行间针对中小企业金融服务市场的竞争加剧,迫切需要针对中小企业的科学有效的信用评价方法。本文首先介绍了传统的信用评价方法、基于统计的信用评价模型、现代信用评估模型以及基于人工智能的信用评价模型,共计四大类15个方法模型,对于每一种方法模型都分析了其优点和缺点,并且重点分析了这些方法应用于我国商业银行中小企业信用评价的可行性。接着,利用Matlab对UCI机器学习库中的澳大利亚和德国信用数据集进行仿真模拟,对Logistic回归模型、决策树、KNN、BP以及SVM算法进行了分别实验,对比了各自的结果。然后探讨了均衡样本和非均衡样本对模型预测效果的影响和信息融合的两种方式,提出了基于信息融合的信用评价模型,并通过实验分析了组合模型的效果。最后,根据对现阶段商业银行中小企业信用评估方法及流程的调研分析,提出了建立精细化管理、建立动态模型的建议。