ریسک اعتباری یکی از مهمترین ریسکهای موجود در نظام بانکی و عامل بسیاری از بحرانهای ایجاد شده در این نظام است. ریسک اعتباری به احتمال قصور وام گیرندگان در بازپرداخت وامهای دریافتی اشاره دارد. از این رو برای بانکها شناخت متقاضیان تسهیلات اعتباری پیش از اعطای وام، وظیفه ای بسیار حیاتی و حائز اهمیت می باشد. در این زمینه و به منظور طبقه بندی اعتباری متقاضیان تسهیلات، روشهای زیادی مورد استفاده قرار گرفته است و همواره افزایش دقت و صحت این روشها مدنظر محققین بوده است. نظر به قابلیتهای قابل توجه فنون داده کاوی در طبقه بندی و پیش بینی، امروزه استفاده از این فنون در مسائل مربوط به ارزیابی ریسک اعتباری، بسیار مورد توجه قرار گرفته است. لذا در این تحقیق سعی شده است تا با استفاده از ابزارهای داده کاوی که شامل سه روش رگرسیون لجستیک، شبکه عصبی تابع شعاع مدار و درخت تصمیم (درخت تقسیم و رگرسیون) می باشند، شرکت های کوچک و متوسطی که از یکی از بانک های دولتی کشور اقدام به دریافت وام کرده بودند براساس وضعیت بازپرداخت وام خود به دو دسته مشتریان خوش حساب و بدحساب طبقه بندی شوند. با استفاده از این روشها متغیرهای مهم موثر بر ریسک اعتباری شرکتها مشخص شد و در پایان میزان صحت طبقه بندی این روشها با یکدیگر مورد مقایسه قرار گرفت. با مقایسه این روشها این نتیجه به دست آمد که روش شبکه عصبی تابع شعاع مدار دارای عملکرد بهتری نسبت به دو روش دیگر در طبقه بندی مشتریان حقوقی تسهیلات اعتباری بانکی است.