近年来,我国经济的高速健康发展极大地提高了人民群众的生活质量。但是,生活条件的改善也导致“富贵病”糖尿病的患者数和患病率迅猛增长。据统计,我国是目前世界上糖尿病患者最多的国家,人口老龄化的日益加剧还将导致我国糖尿病的患病风险越来越大,这意味着我国在糖尿病预防和控制上将会面临持续的挑战。因此,亟需为大众建立精准的糖尿病患病风险预测模型。通过模型的预测,有助于尽早发现高危人群,有效预防糖尿病,从而在一定程度上降低糖尿病的患病率。本文在前人研究的基础上,首先从患病、死亡和伤残3个方面初步评估了我国糖尿病的不同风险。然后,基于机器学习算法分别介绍了两种患病风险预测模型——BP神经网络模型和随机森林模型。并详细筛选出了模型的输入变量,即对CHNS数据库12个省份的成年人数据进行单因素和多因素分析,得到8个与糖尿病患病显著相关的变量。再进一步将这8个变量作为模型的输入变量,通过不断地学习,建立出两个结构最优的预测模型。最后,基于准确率、灵敏度、特异度、ROC曲线以及AUC值5个指标对两个模型的预测效果进行了综合比较。根据以上研究,我们得出如下三条结论。一、我国糖尿病的各种风险都有明显的上升趋势,且风险量化指标中患病率的上升幅度最大。因此,本文决定对患病风险进行预测研究。二、在模型的特征选择阶段,我们得到了8个与糖尿病患病相关的因素,即性别、年龄、省份、户籍、体质指数、睡眠时间、高血压和心肌梗塞。其中,年龄、体质指数、睡眠时间、高血压和心肌梗塞是患病的危险因素,即年龄越大,体质指数越高(人越胖),则糖尿病的患病风险就越高;睡眠时间过短会影响机体新陈代谢,进而大大增加糖尿病的患病风险;并且高血压和心肌梗塞患者更易患糖尿病。另外,从性别、省份和户籍方面看,女性患糖尿病的概率低于男性;中西部地区糖尿病的患病率低于东部地区;并且农村的患病率低于城镇。三、在模型预测效果方面,随机森林模型在各个方面的预测效果都要优于BP神经网络模型。所以,最终选择随机森林模型作为本研究的最佳预测模型。