چکیده: چکیده صنعت بانکداری عهده‌دار اصلی تأمین مالی بلندمدت و کوتاه‌مدت فعالیت‌های اقتصادی است و به ثبات سیستم‌های مالی کشورها کمک می‌کند. همچنین بانک اصلی‌ترین نهاد فعال در زمینه تامین اعتبار می‌باشد و اعطای وام و تسهیلات بخش مهمی از عملیات تأمین مالی هر بانک را تشکیل می‌دهد. ازطرفی احتمال عدم بازپرداخت به موقع وام و تسهیلات باعث ریسک اعتباری در بانک‌ها می شود و بی‌توجهی در این زمینه می‌تواند منجر به نتایج نامطلوبی در عملکرد بانک‌ها شود. مدیریت ریسک اعتباری جزئی مهم از یک روش جامع مدیریت ریسک و شرط اساسی موفقیت بلند مدت هر بانک محسوب می‌شود. از این رو بانک‌ها به سیستمی جهت امتیازدهی اعتباری مشتریان نیاز دارند تا با شناخت و شناسایی رفتار مشتریان ریسک اعتباری را کاهش دهند. با توجه به اهمیت این مساله مطالعه حاضر به بررسی عوامل موثر بر رفتار مشتریان بانک می‌پردازد. در این پژوهش از داده‌های واقعی یکی از بانک‌های دولتی استفاده شده است و روش‌های یادگیری ماشین، داده کاوی و گراف کاوی جهت دستیابی به نتایج معتبر و با کیفیت به کار گرفته شده‌اند. در ابتدا با استفاده ازسه روش محاسبه همبستگی داده‌ها، اجرای الگوریتم خوشه‌بندی وتعبیه گراف به انتخاب و استخراج ویژگی پرداخته شد ، سپس الگوریتم طبقه‌بندی برروی مجموعه داده حاصل از هرکدام از روش‌ها اجرا شد. نتایج نشان داد که استفاده ترکیبی از الگوریتم‌های خوشه‌بندی و طبقه‌بندی می‌تواند دقت و کیفت خوبی ارائه دهد. بعلاوه استفاده از خروجی الگوریتم تعبیه گراف به دلیل در نظر گرفتن گره ها و همسایگان آن‌ها دقت طبقه‌بندی را نسبت به سایر روش‌ها به صورت میانگین بیشتر از 5 درصد افزایش می‌دهد و باعث می‌شود شناسایی عوامل موثر بر رفتار مشتریان با دقت بالاتری صورت گیرد.