摘要:【目的】分析客户贷款信息基础上，抽取贷款客户特征并成像，利用卷积神经网络构建客户信用模型，提高客户网贷违约预测准确率。【方法】基于Lending Club客户信用数据，将反映客户信息4个方面的特征变量相互连接综合成灰度图，建立基于卷积神经网络的客户信用评估模型。【结果】实验结果表明，基于卷积神经网络的新模型在信用评估实验中特异度为 99.4%，灵敏度为 68.7%，G-mean值为 82.7%，F1值为 81.4%，AUC值为99.5%，与传统以特征处理为基础的信用评估模型相比均有显著提升。【局限】仅对比分析有限的信用评估模型，未对不平衡数据的影响做进一步研究。【结论】基于卷积神经网络的网贷客户信用评估模型，在客户违约特征信息提取和违约可能性的预测上具有良好性能。

关键词:卷积神经网络;指标成像;信用评估;信息值;主成分分析法