个体工商户信用评价研究往往通过单一机器学习模型建立,其预测精确率较低,抗干扰能力较弱。基于特征金字塔的FPFF特征融合算法,应用于Blending模型融合框架,建立个体工商户信用评价异质融合模型,并赋予模型可解释性,综合解决单一模型稳定性较差、原有Blending框架融合模型过拟合、融合模型缺乏可解释性的问题。通过对个体工商户数据集进行实证实验,结果表明:融合模型较单一机器学习模型在个体工商户信用评价场景下具有更优的预测性能和泛化能力。