随着计算机网络技术的不断发展,大数据、信息化正逐步成为时代潮流,因此各行业领域都会产生大量的数据。这些海量数据中包含着许许多多的隐藏信息,如何更好地利用这些数据,如何在大规模的数据里面挖掘出更多有用信息,是当前各行业发展的热点问题。对于数据挖掘领域而言,方法多种多样,其中以机器学习最为典型,通过不断深入研究,如今的计算机已经能够在某些行为方面模仿人类,比如学习以及经验积累,从而使得其性能不断完善升级.对于机器学习方法来说,其本质上借助于系统完成自我改进,从而使得计算机可以在一定程度上实现自我性能的提升。这种方法被多种不同的行业领域认可并接受,特别是和医疗领域的结合,能够更加说明其优越性。由于医疗数据的海量性,因此对其进行深入挖掘一直是受到学术界的关注和重视。在目前的现状看来,在医学数据挖掘的研究中先后结合了多种智能先进算法,比如决策树、神经网络等.本文在针对医疗数据的研究过程中,分别阐述k近邻、决策树、随机森林以及BP神经网络四种不同的智能算法,并以肝病的相关数据作为研究实例,分别进行模型构建以及实验分析对比,实验结果表明,BP算法的平均准确率高达0.93,相较于其他三种算法显然更优,因此,本文经过对不同算法的对比后选择BP神经网络模型作为肝病数据分类的的算法。