بانک ها و موسسات مالی و اعتباری با اعطای تسهیلاتی از قبیل وام و اعتبار در اختیار مشتریان خود با ریسک هایی از جمله عدم پرداخت سر موعد مشتری و کاهش نقدینگی مواجه هستند. پیش بینی این ریسک ها قبل از اعطای تسهیلات برای بانک ها از اهمیت ویژه ای برخوردار است. به این گونه تصمیم گیری ها اعتبارسنجی گفته می شود. اطلاعات لازم برای چنین تصمیم گیری هایی به سابقه ی مالی مشتری، وضعیت جاری وی و ریسک های کنونی بانک بستگی دارد. امروزه افزایش مشتریان بانک از یک طرف و افزایش سرویس های بانکی از طرف دیگر سنجش دستی اعتبار را تقریباً غیرممکن ساخته است. در این پژوهش یک دسته بند فازی برای حل مسأله ی اعتبارسنجی ارائه شده است. در این دسته بند، دانش خروجی به صورت قوانین فازی نمایش داده می شود. توانایی سیستم های فازی در مدل کردن ابهام و قابل تفسیر بودن دانش خروجی کمک می کند تا راهکار پیشنهادی توسط متخصصان رشته ی مالی قابل فهم باشد. اما مفهوم قابلیت تفسیر و کارایی با یکدیگر نسبت عکس دارند که یکی از چالش های این پژوهش می باشد. یک سیستم فازی متشکل از مولفه های مبدل فازی، یادگیرنده ی قانون و مفسر فازی می باشد. راهکار پیشنهادی در مبدل فازی ویژگی های مجموعه ی داده ای را برای سادگی نرمال می کند. مولفه ی یادگیرنده ی قانون از سیستم ایمنی مصنوعی برای استخراج قانون بهره می برد. سیستم ایمنی مصنوعی، روشی برگرفته از سیستم ایمنی بدن انسان می باشد. مزیت اصلی سیستم ایمنی در نرخ بالای جهش است که قدرت اکتشاف الگوریتم را افزایش می دهد. برای اندازه گیری میزان پیوند آنتی بادی-آنتی ژن، توابع نوینی بکار گرفته شده است که علاوه بر کارایی، قابلیت تفسیر را نیز بهبود می بخشند. برای موازنه ی میان اکتشاف و استخراج از مدل های جدید حافظه ی ایمنی برای یادآوری جهش های موفق استفاده می شود. مدل های حافظه ای ارائه شده، احتمال انتخاب یک ویژگی را حین جهش دستکاری می کنند. برای مقابله با عدم تقارن ویژگی ها در مجموعه ی داده ای، مراحل کمکی به الگوریتم اصلی اضافه می شوند که قوانین را با استفاده از توابع عضویت چندگانه و قیدهای فازی اصلاح می نمایند. در مولفه ی مفسر فازی، در کنار روش تک قانون برنده، روش شبیه ترین قانون ارائه شده است. نتایج ارزیابی روی مجموعه های داده ای اعتباری نشان می دهد که راهکار پیشنهادی توانسته است چالش قابلیت تفسیر و کارایی را حل کند. از نظر کارایی به مقدار 90.72 درصد در مجموعه ی استرالیا و 80.1 درصد در مجموعه ی آلمان رسیده است که قابل رقابت با سایر پژوهش های این حوزه می باشد و از لحاظ قابلیت تفسیر نیز به نتایج قابل قبولی در میان الگوریتم های اعتبارسنجی که تاکنون ارائه شده، دست یافته است.