با توجه به حجم زیاد معوقات بانکی بالاخص در سالهای اخیر بانک ها درصدد اعطای تسهیلات خود به شرکت هایی هستند که ضمن برخورداری از ریسک پایین بتوانند بازده متناسب با سود تسهیلات اعطایی را داشته باشند . این امر زمانی محقق میشود که بانک ها قادر به شناسایی مشتریان اعتباری خود اعم از حقیقی و حقوقی بوده و بتوانند آنها را براساس توانایی و تمایل نسبت به باز پرداخت کامل و به موقع تعهدات با استفاده از معیارها ی مالی و غیر مالی مناسب ، طبقه بندی کنند ؛ زیرا در چنین سیستمی تسهیلات به متقاضیانی اعطا می شودکه از ریسک اعتباری کمتری برخوردار بوده و احتمال بازپرداخت بدهی آنها در موعد مقرر بیشتر است. با توجه به این که این وجوه میتوانند به عنوان منبع مالی برای اعطای تسهیلات بعدی مورد استفاده قرار گیرند، در این صورت نقش بسیار مهمی در افزایش سرمایه گذاری ، رشد و توسعه اقتصادی کشور دارند. از طرفی با رشد روز افزون داده ها ابزارهای متنوعی جهت استفاده بهینه از داده ها استفاده می گردد یکی از مهمترین و پرکاربرد ترین این ابزار ها داده کاوی است که از انبوه داده ها، استفاده می کند و آنها را به دانش تبدیل می نماید. لذا در این پایان نامه مدلی جهت اعتبارسنجی مشتریان حقیقی و حقوقی بانک ملت ارائه شده است که با استفاده از الگوریتم های طبقه بندی ریسک اعتباری مشتریان مورد ارزیابی قرار میگیرد و بر اساس الگوریتم های انتخاب خصیصه مهمترین عوامل موثر بر ریسک مشتریان تعیین می گردد و بر اساس الگوریتم قوانین تجمعی قوانین پایگاه داده ها تعیین میگردد و از تکنیکهای تصمیم گیری چندمعیاره نیز در جهت رتبه بندی و ارزیابی الگوریتم های طبقه بندی و تعیین بهترین الگوریتم طبقه بندی با استفاده از تکنیکهای anp و پروموته استفاده شده و از مدل تحلیل پوششی داده ها نیز جهت ارزیابی قوانین مستخرج از پایگاه داده استفاده می گردد. نتایج حاکی از دقت بالای مدل پیشنهادی می باشد و همچنین استفاده از مدل این پایان نامه جهت سیستمی برای پشتیبانی از تصمیمات مدیران بانکها در جهت ارائه وام می باشد.