2007年，P2P网贷正式进入我国，十几年来，互联网金融蓬勃发展，P2P网贷也发展迅速。P2P网贷平台发展初期，创业人员大都是互联网从业人员，并没有借贷经验与从事金融行业的操控经验。所以早期的P2P平台的借贷以纯信用借贷为主，但由于中国信用体系的不完善，借款人违约的成本很低，所以造成借款人违约率很高，作为在线上的纯信用中介撮合的平台很难得到投资人信任。2012年之后，P2P行业发展迅速，截至2013年年底，国内P2P平台数量达到800余家，整个P2P借贷行业总交易金额突破1000亿元，P2P进入发展的蓬勃时期。之后P2P虽然发展迅速，但也鱼龙混杂，监管层面频频出台政策，但是却始终没有落地。2016年P2P频繁“爆雷”，严重损害了广大投资人的合法权益，对于互联网金融行业的持续健康发展造成了一定程度的负面影响。
　　P2P平台作为借贷双方的信息的提供者与撮合者，一定程度缓解了借贷双方信息不对称的状况。然而其披露的借款人信息能否反映借款人的真实信用状况仍然需要进一步研究商榷。本文利用机器学习算法，在样本数量相对不足，订单信息不够充分(缺乏第三方有效信用分数)的情况下，通过样本训练的辅助，对小额借款人进行信用风险评估。本文对订单信息进行了最大程度还原，使得模型预测更加符合现实应用。由于P2P平台上借款人订单信息中部分参数是动态调整的，现有文献直接利用网络爬虫技术获取的订单信息，实际上是数据收集日的截面信息，而不是借款人在平台借款时发布的初始信息，本研究经过技术处理将其中大部分此类信息还原为借款人在平台借款时发布的初始信息，以确保对借款人信用风险的评估更加严谨更加符合现实应用。本文基于人人贷平台2014年的贷款数据，引入了机器学习中的K近邻算法、支持向量机、随机森林、神经网络算法分别对平台借款人的信用风险进行了评估与预测。实证结果表明，机器学习算法可以对P2P网贷中借款人的信用风险进行准确评估，这意味着未来能够利用机器学习算法快速、低成本、准确地评估中小平台小额贷款借款人的信用风险。