对医疗费用的控制特别是医疗保险机构向医疗服务机构的费用支付是社会医疗保险资金风险控制的重要环节之一。目前,脑血管病已成为我国人口的第一位致残和死亡的原因。随着人口老龄化和经济水平的快速发展及生活方式的变化,脑梗死发病率明显上升,为个人、家庭和社会带来沉重的经济负担。因此,对于脑梗死住院费用的控制越来越受到社会各界的多方学者的关注,对于脑梗死住院费用的研究因而层出不穷。学者们基于统计学和机器学习提出了脑梗死住院费用预测的多种模型,其中研究最多的是多元回归模型和决策树模型。就此,他们提出了一些对脑梗死住院费用影响显著的变量以及建模的方法。然而,由于信息的不完善以及模型实施的不到位,对于脑梗死住院费用的预测始终停留在单一相关关系上,其准确度和稳定性未达到预期发展水平。统计学、机器学习和集成学习技术在医疗费用方面的应用正在不断推进,如何将其有效地融合在一起成为大数据时代的重大课题。目前对脑梗死住院费用的研究结果和本文的实证分析结果显示,简单的多元回归对于变量和自变量的相关关系的研究无法适应因变量与自变量之间复杂的关系变化。因此,本文引入机器学习模型来描述其非线性关系。实证分析结果显示,普遍用于费用预测的回归树属于弱学习机,对脑梗死住院费用的预测精度相对于多元回归并没有大的提升。若想进一步提升对费用预测的精度和稳定性,必然改善其学习机制和学习效率。因此,本文引入集成学习随机森林算法技术,对费用进行预测。同时,不同的病例具有不同的特征,本文学习病患的特征,对每一例病患的特点进行精准的判断,并创建出基于特征的有效推测。最终,本文提出了改进的随机森林模型,引入同时基于聚类和CART回归树的K-Random Forest模型。本文首先介绍了脑梗死住院费用研究意义以及国内外研究现状,分析了学者们提出的对脑梗死住院费用具有显著影响效果的变量以及对脑梗死住院费用预测的多种模型和方法,比较了这些方法的优劣。然后,本文对机器学习中决策树算法和K-Means聚类算法与集成学习中Bagging流派和随机森林算法,从其原理、功能和伪代码方面进行介绍。接下来,本文引入改进的随机森林算法,阐述了为何要在随机森林中引入K-Means聚类生成新的K-Random Forest算法,该算法的作用原理、流程及伪代码,以及如何将该算法应用于对脑梗死住院费用的预测。接下来,使用真实医院住院记录数据,对数据进行清洗、挖掘和探索性分析,得到可用数据集后,进行特征工程,包括建立特征、特征初筛和特征降维,最终得到20个可用特征。对这些特征进行探索性分析,发现脑梗死住院费用产生五种费用类别:康复治疗费用、理疗费用、中医治疗费用、中医伤骨科治疗费用和其他费用。将总费用拆分之后,对每项费用分别建立模型进行预测,选择每项费用的最优预测模型,最后将5个最优模型进行融合得到最后的模型。计算最终融合模型的评估指标,将其与直接对总费用进行预测的最优模型做对比,发现融合模型在R2和MAPE上均有所改进,达到R2为和MAPE为的效果。进一步,分析对不同类别费用影响权重大的特征及其业务上的意义。最终得出结论,融合得到的最终费用预测模型在对脑梗死住院费用预测的精度和稳定性方面均有所提升,是一个既稳定又准确的脑梗死住院费用预测模型。同时,得到了对结果影响显著的变量,及其业务上的意义,并就此提出建议和展望。该模型的提出,不仅有利于未来医保支付模式的转变及住院医疗费用控制,也可以使医疗成本趋近于合理,从而保证医疗质量,提高医院竞争力,减轻社会医疗保险支出负担,对于社会发展和经济的稳定具有巨大的意义。