在今天这个时代,越来越多的人患了糖尿病,但其中很多人并不知晓或者确切他们是否患病。糖尿病是一类非常可怕的慢性病,被彻底治愈的可能性非常低。因此,在前期如果能尽早识别高风险患者,及时地介入患者的护理过程,养成健康生活方式甚至于提前药物治疗,能够减少患病风险。依据目前在该方面的研究,积极地前期预警治疗至少会降低30%到60%的得病风险。所以,提前确定有大概率患病的患者,不仅可以改善病情,还可以加强公众的临床管理,是非常有意义的。为了提高糖尿病患者的知晓率,从而及时地对病情进行管理,本文从患者的代谢数据出发,深入分析不同检查项目对血糖水平的影响,并充分利用检查科目和项目之间的包含关系,优选特征。同时,本文转换了预测思路,将数值预测转换成二分类问题,此时遇到的主要问题是数据集的类别不平衡问题。为此,本文基于SMOTE设计了一种新的过采样方法,来提高分类效果。本文的研究工作,包括以下内容:(1)针对患者检查项目多、特征复杂的的情况,本文提出了一种基于序列后向选择的层次化特征选择方法。首先,由于SBS算法巨大的计算开销和方法的灵活性,本文在该方法思想的基础上,通过为所有特征进行重要性排序,根据排序结果,有针对性地测试剩余子集的模型效果,直到发现当前状态下的最优子集。还应注意到,在医疗范畴内所收集到的数据,领域性和专业性很强。在特征选择过程中,一般只考虑患者的检查项目,而忽略了患者的检查科目和检查项目之间的对应关系,本文基于检查科目与项目之间的层次关系,提出了层次化的特征选择方法。(2)针对非平衡数据集中少数类样本分布的特点,设计了一种基于RegionSMOTE的非平衡数据处理方法。为了结合边界分布信息,本文制定了vote规则,将少数类样本分为安全样本、中间样本和危险样本,对不同的样本采取不同的处理策略。通过将患者的血糖值进行标签转化,将数值预测问题转化为二分类问题,对少数类样本进行过采样,提高整体分类性能。另外,本文还从UCI中提取了三个不平衡数据集对Region-SMOTE方法进行了验证。本文从现实实用的角度出发,研究工作从原始医疗数据的分析和处理、基于SBS的层次化特征选择方法和组合模型预测方法等几方面开展工作,良好的实验结果证明了所提出的方法的有效性。本文工作对于充分利用医疗数据,搭建规范化的血糖预测系统具有指导意义和实用价值。