近年来信息化技术、大数据技术、机器学习得到了长足的发展,健康中国的概念也逐渐得到了普及,大量丰富的医疗数据可以提供潜在的有价值的信息,将机器学习中的方法运用到医疗数据集中逐渐地成为研究热点,在一定程度上可以帮助相关医护人员提高疾病诊断的效率、减轻患者的一些治疗痛苦。医疗数据集可能会因为数据收集人员的操作失误或者是测量技术的有限而出现缺失值的情况,因此,本文主要为了解决医疗数据集中存在的缺失值的问题,选择几种合理的缺失值填补法来填补医疗数据集中的缺失值,然后使用机器学习中的分类算法来建立合适的模型帮助实现癫痫患者发作的识别诊断问题。首先,本文介绍了几种处理数据集中含有缺失值的方法,有均值填补法、众数或者中位数填补法、K最近邻填补法等经典的填补方法,指出各个填补算法目前存在的优缺点。然后基于对数据集中各个特征属性的相关程度,本文提出一种新的距离度量的方式,主要是计算各个特征之间的皮尔逊相关系数,将其作为一种权重的形式加入到欧氏距离的计算方法中,改进了K最近邻填补算法的距离度量方式,同时由于K值的不确定性,本文改变了K最近邻填补法中的K值选取方式,设置一个比例系数,提取在比例系数内的K个最近的样本。然后,本文在医疗数据集上进行实验验证和结果分析,经过包含缺失值处理、异常值处理、归一化处理的数据预处理方法,采用三种不同的特征选择和模型结合的方式建立合适的癫痫患者识别模型,主要有单变量特征选择和随机森林结合的算法、递归特征选择和随机森林结合的算法和支持向量机算法,综合比较分析三种模型的评价指标,实验结果显示支持向量机模型在精度、查准率、查全率、F1值、AUC值等方面都高于其他两个算法模型的效果。最后,虽然本文只是研究了医疗数据集上的缺失值处理和分类问题,但是我们可以将这些处理缺失值的方法运用到其他的数据集缺失问题中,对于数据集中的缺失值进行合理有效地处理可以有助于我们深入挖掘出数据集中的潜在信息、提高对数据集的利用效率。