经济活动中的信用指“贷”和“借”中对象的履约程度，主要体现为商业领域，金融领域和流通领域赊销，信贷等交易行为，通过债权债务的建立实现商品交换或货币的转移。信用评分是对经济活动中企业或个人，根据其盈利能力、偿债能力、运营能力、教育程度等，对其违约概率进行综合评价，以评分的形式呈现出来。
一、信用评分模型的技术背景
原始的信用评分模型是由专家设定的特征项加权得出分数，随着计算机科学领域研究的深入，机器学习技术可应用于信用评分模型领域。
(一)、机器学习的简介
机器学习是计算机科学领域的一个重要分支，它指使计算机“学习”经验，做出预判。具体地说，计算机通过对经验，例如数据，进行学习，得以在执行任务时表现更优。计算机通过执行某个“学习算法”完成对数据的学习，从数据中学得的结果称作“模型”（model），从数据中学得模型的过程称为“学习”或“训练”。模型有时也被称作“学习器”（learner），可以看作学习算法在给定数据和参数空间上的实例化。学得模型后，使用其进行预测的过程称为“测试”。根据训练数据是否拥有标记（label）信息，学习任务可大致划分为“监督学习”和“无监督学习”。监督学习训练集中的结果y已有标注信息，例如“好客户”“坏客户”或客户履约概率为0.95、0.66。分类和回归属于监督学习，监督学习的算法有决策树、逻辑回归、神经网络等。无监督学习中，训练集样本则没有被标注，也就是说它的数据分类是未知的，常见的无监督学习算法是聚类（clustering）。
机器学习的目标是使学得的模型能很好地适用于新样本，而不仅仅是对训练样本有效模拟，学得模型适用于新样本的能力，称为“泛化”（generalization）能力。对于一个学习算法fa，若它在某些问题上比学习算法fb好，则必然存在另一些问题，在那里fb比fa好，而这个结论对所有算法均成立。根据NFL定理（No Free Lunch Theorem），脱离具体问题，空泛地谈“什么学习算法更好”毫无意义，算法的相对优劣必须针对具体的学习问题，而学习算法自身的归纳偏好（inductive bias）与问题的相配程度，往往会起到决定性的作用。
机器学习的应用领域方方面面，它可以用于天气预报、能源勘探，通过对卫星、传感器发回的数据进行分析，可有效提高预报和检测的准确性；也可用在商业营销中，通过对销售数据、客户信息等进行分析，能够帮助商家优化库存降低成本，还可以对不同用户群设计有针对性的营销策略；机器学习还可以用来实现汽车无人驾驶，2004年3月，美国DARPA组织的自动驾驶车比赛中，斯坦福大学机器学习专家S.Thrun的小组研制的参赛车驶过内华达州西南部的山区和沙漠，路况相当复杂，获得冠军。
二、信用评分模型在汽车贷款商业模式下的运作
下面以汽车贷款场景为例，具体说明信用评分模型在汽车贷款应用场景的使用情况：
批准/拒绝贷款申请：信用评分模型输出的结果是一个分数，分数与相应的履约概率互相对应。根据不同银行的准入标准，有了划界分数（cut-offscore），若分值高于该分数线，则可以批准汽车贷款申请，否则予以拒绝。也可制定分数区间[x，y]，若高于y，直接批准；低于x,直接拒绝；在x，y 之间，流转至人工审批。
决定贷款额、首付额和贷款额占汽车价值的比例：对初筛通过的客户，可进一步根据其风险程度（即分数高低）决定其贷款的指标。当客户产生坏账时，贷款额越高，贷款机构的损失越大；坏账时银行可以把汽车作为抵押品收回卖掉，而汽车被使用后贬值很快，所以首付额越高，贷款额占汽车价值比例越低，贷款机构损失越小。所以，贷款机构可以根据客户信用分决定贷款指标：客户信用分越高，风险越小，贷款额可以适当提高，首付占汽车价值比要求可适当放低。
决定贷款期限：在越长的贷款期限内，客户财务出现波动导致还款困难的概率增大，所以给贷款机构带来的风险越大；而另一方面，贷款期限越长，利息收入越高，贷款收益越高。所以，对于信用分数更高的客户，贷款期限可给予更长。
贷款利率：利率并不是对所有申请者都一视同仁，而是与风险挂钩。风险越高，利率应该越高来弥补贷款机构承担的风险。从获客的角度看，贷款机构也应当根据风险水平来定价。对于高风险的客户，他们对信用的需求更大但却更难获得贷款，所以，即使调高价格，他们并没有太多其他选择所以只好接受。也就是说，利率上升，高风险客户的贷款需求下降幅度小于价格上升的幅度。对低风险的客户来说，他们是各家贷款机构竞争的对象，他们获得贷款更容易，其对信用需求的价格弹性较大，降低价格更有助于留住这些优质客户，而且，适当降低利率可以提高这批客户的忠诚度而留住客户。因此，在制定汽车贷款利率时，根据风险评分区别对待：风险越高，利率越高；风险越低，利率越低。
信用评分模型在汽车贷款审批、首付额的制定、贷款期限及定价上均有应用。汽车贷款的途径有许多，汽车生产商的贷款融资子公司，如通用汽车贷款公司、福特汽车贷款公司、丰田汽车贷款公司等、银行的汽车贷款部门，除了新车的贷款，汽车贷款还包括二手车贷款、汽车租赁、游艇贷款等，足以见得模型的应用市场之广。
机器学习技术应用在模型上带来的优点是一定程度上将贷款机构从对风险审核人员的依赖中解脱出来。使用机器代替人工，令企业得以减少人力支出，节约时间成本，提升生产效率，获得市场先机，使企业在激烈的竞争中占据领先地位。