【摘要】从违约鉴别和特征选择视角出发，采用机器学习算法，对我国信息技术企业信用评级问题进行了研究。研究表明，通过SMOTE方法对非均衡样本数据进行处理，解决了样本数据类别不平衡导致预测模型存在类别偏好问题；通过Logistic-Lasso方法进行指标筛选和计算企业违约概率，并根据违约概率进行信用分级，保证了信用评级模型的精简和违约预测可靠性，改善了信用评级与违约概率不匹配问题。构建的信用评级模型采用39个指标，总体鉴别精度在98%以上，模型的可靠性和实用性优于其他常见的机器学习模型。此外，根据企业信用级别情况，分别从企业自身、投资者和监管部门角度，提出了控制风险的相应对策。