本发明公开了用于互联网金融风控的异常数据筛选方法，涉及互联网金融领域，包括S1获取训练数据集，并确定训练数据集的属性权重；S2建立二叉树，并将训练数据集划分为正常数据和异常数据；S3建立基础模型，导入训练数据集进行优化训练，获取最优的异常数据集；S4待筛选数据集根据最优的异常数据集筛选剔除异常数据；基于属性权重构建二叉树集合，通过该二叉树集合对异常数据进行识别，可以更加精准地划分异常数据，使得在计算异常分数时会根据不同的属性来赋值，可以更加精准地识别异常数据；采用基础模型在训练中对异常数据进行实时更新，单个样本的惩罚权重达到设定值后将该样本从数据集从删除，去除异常样本，使模型充分挖掘到数据的信息。