【摘要】利用机器学习算法构建网络小额借款项目违约率和收益率两种预测模型，并综合使用这些模型的预测评价和筛选网络小额借款项目。结果发现，借款项目基本信息和借款人人口统计特征、历史借款记录、信用等级、借款描述对借款违约率和收益率均有重要的预测作用。在一定的借款项目筛选数量下，由预期违约率和预期收益率的线性组合值排序挑选借款项目的筛选方法表现较佳，而先对预期违约率进行过滤，再由预期收益率排序挑选出借款项目的筛选方法表现较差；但这两种筛选方法均优于仅使用其中一种指标的筛选方法。