本文以电子病历数据为研究对象搭建糖尿病风险预测模型,探究适应体检数据的空腹血糖预测模型。预测糖尿病患病风险对该疾病的发现和治疗具有指导意义。所构建的模型能使体检者通过体检数据便可预测未来一年糖尿病患病风险。本文基于数据挖掘基本流程,探究适合体检数据的糖尿病患病风险预测模型算法,进行如下工作:对从某体检机构获取的原始数据进行数据预处理,获得7118名体检者连续三年的体检数据;在数据降维过程,使用序列后向选择、主成分分析法（Principal Component Analysis,PCA）和文献法提取出三个不同特征的数据集;使用决策树、随机森林、支持向量机、朴素贝叶斯、逻辑回归五种机器学习算法对三个降维后数据集构建预测模型;最后基于多指标对所有构建模型综合评价,探究更加适合基于体检数据的糖尿病患病风险预测模型的特征选择方法和建模算法。本文研究结果表明,文献法所选择的特征最少,序列后向选择算法和PCA所选特征数量相当,序列后向选择算法和文献法所选特征重合较多;序列后向选择算法和文献法所得数据集在各建模算法上的能效相近,优于基于PCA所选特征构建的预测模型;朴素贝叶斯算法综合评价最低,虽然支持向量机和逻辑回归基于三个数据集上所建模型的准确率较高,但在特异度和接收者操作特征曲线下面积这两个指标上的表现较差;使用文献法和序列后向选择算法,基于决策树和随机森林算法所构建糖尿病预测模型综合评价较好。在使用三年体检数据建立糖尿病风险预测模型过程中,使用序列后向算法和文献法提取特征,基于决策树和随机森林构建模型将能更好的对糖尿病患病风险进行预测。