【摘要】立足于P2P平台,利用P2P平台个人借款人的信息建立了一套系统的信用风险评估指标体系来甄别可能违约的借款人。基于LightGBM(一种基于决策树的Boosting模型)和Bagging提出一种新的LGB-BAG模型,有效结合了Boosting和Bagging的优势。结果表明,在决策树的个数增大到一定程度的时候,LGB-BAG的F_1均值(预测效果)要高于LightGBM和随机森林;并且LGB-BAG的F_1方差也要小于其余两种模型。LGB-BAG的F_1均值最高可达到0.71175,且LGB-BAG模型能够显著提高信用风险预测效率。