随着生活水平的提高,国家对于女性健康给予了更多的关注与支持,宫颈癌作为常见的恶性肿瘤疾病严重威胁女性健康。研究表明,发展中国家的宫颈癌发病率远高于发达国家,我国是世界上最大的发展中国家,更应该对宫颈癌进行预防和排查。用于检验宫颈癌的传统电子影像分析耗时耗力,成本过大,加重了医务工作者的负担。本文利用机器学习算法构建宫颈癌预测模型,提高宫颈癌诊断效率和预测准确率,减少人力物力的损耗,更好地利用有限的医疗资源。首先,对原始数据进行处理,寻找特征缺失值超过总特征数一半的样本以及特征数少于16个的样本并将其删除,接着计算特征之间的相关性,以0.5为阈值找到强相关的特征对,这些特征对为缺失值的补全提供指导。无相关特征对的特征缺失值则采用众数或均值进行特异性补全。处理后的数据进行标准化处理,以减少规模差异对模型带来的影响。其次,分析样本不平衡技术对宫颈癌数据预测性能的影响。宫颈癌数据的收集比较困难,样本类别通常不平衡,大部分情况下阴性样本多,阳性样本少,阻碍了模型对数据结构的学习。本文讨论三种先进的样本不平衡技术SMOTE、kmeans-SMOTE和AMSCO,在七种分类模型中选出最优的分类框架。经过实验,原始数据在六种评价指标下的平均预测率为0.5420,最佳不平衡处理技术为kmeans-SMOTE,其平均预测率达到了0.6047。此外,经不平衡技术处理后,阳性样本的预测准确率达到了0.5439。结果表明,不平衡技术和分类模型能深入学习到正负样本之间的差异信息,能够对癌症患者给予更高的预测准确率。然后,分析特征选择技术对宫颈癌数据预测性能的影响。原始数据所包含的特征多而杂,许多因素对预测模型不仅没有贡献,甚至干扰模型性能。这里重点讨论主成分分析、包裹式（递归特征消除算法）和嵌入式（基于Gini系数的随机森林模型）三种算法。经过实践,最佳特征选择模型为基于Gini系数的随机森林算法,在四种目标变量下Weighted F1-score均值达到了0.8766,最高值达到了0.8960.,而只进行不平衡技术处理的Weighted F1-score均值为0.8627,最高值为0.8718。经过特征选择后,模型的预测性能得到了进一步提升,同时利用Gini+随机森林算法对宫颈癌危险因素进行了排名。最后,考虑到弱监督模型的局限性,本文在个体学习器的基础上又引入了异质集成器Stacking并探究其预测性能。通过对比多种模型的泛化能力,最终确定以Ada Boost模型为次级学习器,以支持向量机、XGBoost和MLP为初级学习器的Model 2模型为最优模型。经过实验后,选择kmeans-SMOTE进行样本不平衡处理,使用基于Gini系数的随机森林模型去除冗余特征,最后确定Model 2为分类模型。在该预测框架下,最高Weighted F1-score达到了0.9119,具有较强的稳健性,相比原始数据的最高Weighted F1-score 0.8045,提升了0.1074。