چکیده: سنجش ریسک اعتباری مشتریان بانک ها، به عنوان اصلی ترین راه پیشگیری از وارد آمدن خسارات ناشی از تخلف مشتریان، امروزه بسیار مورد توجه قرار گرفته است. در این تحقیق بر آنیم که با استفاده از روش های جدید طبقه بندی و تشخیص الگو، به طراحی یک مدل اعتبارسنجی بپردازیم و سپس با تکیه بر مفاهیم اقتصادی کارایی مدل ساخته شده را سنجیده و در صورت امکان بهبود ببخشیم. به منظور یافتن بهترین مدل ابتدا برای دو مدل شبکه عصبی پرسپترون و پایه شعاعی و نیز ماشین بردار پشتیبان ساختارهای مختلف را آزموده ایم و سطح زیر منحنی roc و نیز درصد طبقه بندی صحیح را ملاک تشخیص بهترین ساختار و بهترین ابزار قرار داده ایم. در بخش انتهایی با تکیه بر مفاهیم اقتصادی به بررسی این موضوع پرداخته ایم که چگونه می توان با در نظر گرفتن هزینه طبقه بندی اشتباه یا لحاظ نمودن یک ناحیه عدم تصمیم، کارایی مدل را بهبود بخشید. همچنین تأثیر کاهش ابعاد در بهبود کارایی مدل به شیوه های استخراج و انتخاب ویژگی در مورد تمام مدل های استفاده شده، مورد توجه بوده است. تکیه بر مفهوم منحنی roc ، توجه به هزینه های طبقه بندی اشتباه، حجم بالا و قابل اتکا بودن نمونه تصادفی مورد استفاده و رعایت مفاهیم آماری در پیش پردازش داده ها را می توان به عنوان نقاط برجسته پژوهش حاضر نام برد.