金融机构风险主要源于信贷风险。个人申请贷款业务的与日剧增,建立有效的风险防范机制对银行来说是迫在眉睫的。本课题在齐鲁商业银行的综合信息平台的基础,对平台中的个人信用风险评估进行了深入探讨研究,提出了一个基于粗糙集和支持向量机的个人信用评估系统模型。数据挖掘融合了数据库、人工智能和数理统计等多门学科,是一种从大量复杂的数据中迅速获得有用信息的新技术。分类是一种最常见的数据挖掘的应用方向,通过实验数据训练得到的分类器来预测未知数据的类别。支持向量机(SVM)是近年来在统计学习理论的基础上发展起来的一种新的机器学习方法,它具有很强的泛化能力。其核心思想是将一个复杂的分类任务通过核函数映射使之转化成一个在高维特征空间中构造线性分类超平面的问题。支持向量机是一种好解决两分类问题的新方法,其构造学习结果模型稳定性较好。本文认真研究分析了支持向量机的原理及算法。在对面向大规模数据集的支持向量机的原理及算法的研究方面,通过比较各种算法的优缺点,选用了改进的序列最小最优化算法(SMO)来提高基于SVM的个人信用评估模型的学习速度。并对整个基于SVM的银行个人信用评估系统模型进行介绍。将支持向量机应用到个人信用评估中,最后通过实验,证明建立的模型具有很好的效果。