P2P网络借贷平台是网络借贷和P2P平台借贷相结合的小额网贷方式,也是民间普惠金融、网络金融的重要组成部分,这种新型的借贷方式对传统信贷进行了补充,从21世纪初出现以来在全球范围内得到快速发展。自2007年拍拍贷的出现,我国的P2P网贷平台开始兴起,从2012年得到快速的发展,网贷平台的数量增长速度非常快。但由于最初监管部门的忽视,平台存在很多风险隐患问题,这些问题逐渐暴露,主要包括旁氏诈骗、平台跑路、非法集资等。所以,P2P在我国的发展速度有所放缓,人们对P2P网贷平台的信任度有所下降。P2P网贷平台的风险包括平台环境和借贷行为这两个方面,宏观经济的复杂多变和监管政策的不断出台都加大了风险的不确定性因素。因此,如何及时有效识别P2P网贷平台风险、降低P2P平台风险、有效监管平台成为了行业界和学术界研究的重点。国内外对P2P平台的研究层出不穷,有对平台风险的研究、对平台政府监管的研究、大学生的借贷问题研究等。本文以网贷之家、网贷天眼等多个网贷平台的数据和Lending Club贷款数据为依据,研究平台内部风险和平台外部风险两个方面。首先,综合了多个网络借贷平台的公开数据,用聚类分析、XGBoost模型、Logistic回归将各个平台进行分类,得到更为准确的预期结果;其次,从Lending Club搜集到的借款人信息进行描述性分析。本文的重中之重是获取各平台的完整和有效的数据,而且要将数据和分类算法结合起来,得到精准的数据分析结果。但由于P2P网贷平台数据收集较为困难、平台公开数据较少、数据可靠性等因素影响,P2P网贷平台风险预测还需要进一步改善。通过本研究表明,利用数据挖掘能够对P2P网贷平台做出有效风险分类预测和研究平台借贷人的各种风险属性特征,有利于减少平台风险,做好风控管理,同时为参与者提供良好、健康的平台环境。网络借贷平台的风险研究是一个具有现实意义的课题,通过多维度多方法研究,可以更有效的对平台进行预测,提供一个更健康的网络借贷平台。