در این تحقیق، مدلی برای اعتبارسنجی مشتریان حقیقی بانک با استفاده از الگوریتم‌های یادگیری ماشین ارائه شده است. ویژگی های مهم مشتریان از 15 شاخص شناسایی شده از ادبیات و کارشناسان صنعت انتخاب شد. سپس داده‌های به‌دست‌آمده از یک بانک تجاری از طریق الگوریتم‌های مختلف یادگیری ماشین مانند جنگل تصادفی، درخت تصمیم، ناوی بیز ، ماشین بردار پشتیبان ، رگرسیون لجستیک ، گرادیان بوستینگ و نزدیکترین همسایه اعتبارسنجی شدند. الگوریتم ها از طریق چهار معیار ارزیابی شامل دقت، صحت، پوشش و آزمون F مورد ارزیابی قرار گرفتند. پس از ارزیابی مدل ها، بهترین الگوریتم یادگیری ماشین انتخاب شد. نتایج نشان داد که جنگل تصادفی بهتر از سایر الگوریتم ها عمل کرده و با دقت 33/93 درصد به بالاترین دقت دست یافته است.