为保障国境公共卫生安全,减少有害生物传播,确保进口货物质量符合我国法律法规要求,检验检疫部门必须依法对出入境动植物及其产品、进出口商品和运输工具等实施检验检疫和监督管理。随着全球化贸易快速发展,传统的批批查验和随机抽查监管方式,受限于人力、物力等资源因素,已不能适应外贸环境的变化。在大数据背景下,急需研究如何凭借申报信息及历史查验结果数据,为入境货物自动确定风险类别,从而协助查验人员进行精准查验,提升工作效率。通过利用机器学习方法对检验检疫数据进行分类模型的研究,能够帮助我们从海量进境货物中快速、准确定位潜在的风险。论文主要以检验检疫申报数据及查验结果数据为对象,对机器学习中数据预处理、分类模型构建、不平衡数据集处理和特征降维处理等技术进行研究。研究内容主要包括以下几点:(1)根据检验检疫数据特点进行预处理,并使用五种经典分类算法建模,对比分析算法对检验检疫风险数据的分类效果。在已有分类算法的基础上,提出基于数据分布的纠错法,提升模型分类效果。(2)采用四种已有不平衡数据处理方法构建完全平衡数据集,对比分析完全平衡的数据集对分类算法产生的影响,再采用组合方法构建不同正负样本比例的数据集,对比分析不同比例对分类算法的影响,并寻找与最佳分类模型最适应的正负样本比例。(3)选择四种已有特征降维方法,对原特征集进行降维,对比通过不同方法获得的特征子集对分类效果的影响。提出分步特征降维法,以组合方式改进单一特征降维方法的不足,对比特征子集的选择效果,寻找最优特征子集。本文首先在对比已有分类算法的基础上,改进了分类方法,提出的基于数据分布的纠错法对数据降维后的空间分布进行分析,寻找并改变误分区间分类结果,该方法取得最高F1值为0.9720,优于本文选择的五种已有算法结果;其次,为解决样本数据不平衡特性对分类算法的影响,本文采用完全平衡和改变比例两种实验思路,通过组合方法探索最适合分类模型的正负样本比例,在该比例为1:5时,搭配基于数据分布的纠错法,取得F1值0.9731,优于原数据集上取得的分类效果;最后,为提升算法效率,本文研究了特征降维技术,对比四种已有特征降维方法的降维效果,分析单一方法的利弊,提出分步特征降维法,利用卡方检验法和信息增益法综合排序,再利用主成分分析提取特征,取得500个特征项时F1值0.9688的结果,优于原数据集的分类效果,模型训练时间也由1846秒缩短至537秒,表明该方法能够有效获得数量较少且效果较优的特征子集,使算法效率获得提升。