蛋白质与蛋白质相互作用的研究具有十分重要的生物学意义,蛋白质和蛋白质之间的相互作用是细胞生化反应网络的一个重要的组成部分。通过传统的实验方法用于预测蛋白质相互作用位点不仅耗时耗力,而且对于蛋白质相互作用位点的预测缺少一定的准确性。本文主要针对蛋白质数据中存在的不平衡问题进行处理和预测。本文的主要工作如下所述:在数据集的获取部分,针对170个瞬时蛋白质相互作用对,本文删除了一些冗余的蛋白质链,最终获取了91条蛋白质链。基于氨基酸的进化保守型,本文从HSSP数据库中提取了4个特征,即残基空间序列,序列信息熵,相对熵,残基序列权重。从蛋白质功能区识别服务器（Consurf Serve）中提取了残基保守分数一共5个特征,并将这5个特征进行融合再编码,得到本文最终的数据集。在蛋白质相互作用位点的预测部分,针对上述数据集存在的样本不均衡问题,本文提出了两种用于处理蛋白质数据样本不均衡问题的采样方法。第一种是基于最近邻规则和样本重叠问题对非界面残基进行处理;第二种基于样本被误分类的可能性对数据进行采样处理,最后结合XGBoost（Extreme Gradient Boosting）分类器对PPIs（Protein-Protein Interaction Sites）进行预测。其中第二种方法达到了80.7%的准确率,且灵敏度和MCC（Matthews Correlation Coefficient）分别达到81.2%和61.4%。随后本文基于蛋白质界面残基的局限性定义,数据中存在的假阴性和假阳性等问题,提出了一种针对蛋白质数据的数据重组策略。通过蛋白质数据中的一些错误定义的界面残基和非界面残基进行处理并预测,预测结果中准确率和MCC值分别达到了94.73%和84.47%。相比较传统的实验和计算方法,分类效果有了一定的提升。