摘要： 本文通过建立农业类类市公司信用风险指标体系，选取2020年48家农林牧渔上市公司的财务数据，通过标准化和 SMOTE 过采样处理，利用决策树、随机森林和 XGBoost 3 种机器学习算法构建农业类上市公司信用风险评估模型，通过实证分析发现，3种算法的准确率均在90%以上，者都能有效评估农业类上市公司信用风险。其中基于 XGBoost 算法的农业类上市公司信用风险评估模型是最好的，准确率高达97.62%

关键词: 农业类上市公司；信用风险； XGBoost