高血压作为患病率最高的慢性病之一,也是引发心脑血管疾病的罪魁祸首。通过我国近几十年对全国高血压患者进行的抽样调查显示,高血压在低年龄人群中患病率逐年升高。截止到目前医学界并无能够完全治愈高血压的方法或药物,现在高血压治疗手段主要是通过药物使血压保持在正常范围内,避免因血压过高产生并发症。对于高血压患者最重要的就是对生活方式进行干预,因此尽快发现高血压并提早进行医疗干预对于高血压患病人群很有必要。以电子病历数据的角度出发,以搭建实现高血压患病风险预测模型为目的,本研究提出了一种基于连续四年体检数据的高血压预测模型,该模型使用前三年体检数据预测第四年高血压患病概率,使用大量高纬度体检数据作为该模型的构建基础,首先对未经处理的原始数据进行体检项选取、数据清洗转换、数据标准化和特征构建等步骤。其次分别使用PCA主成分分析算法和SBS序列后向选择算法进行最佳特征子集的选取,同时针对医疗数据不平衡问题进行研究,使用SMOTE+ENN的集成算法来优化数据中存在的数据不均衡问题,最后使用决策树、随机森林、支持向量机、逻辑回归、朴素贝叶斯五种分类模型进行高血压患病预测模型的构建研究,并选取最优模型。本文主要研究工作:（1）在医疗数据研究理论的指导下,对相关步骤进行解释分析,包括数据预处理、体检项选择、模型构建及评价环节,找出其中存在的问题,并根据这些问题找出相应的解决方式,围绕高血压展开研究,建立高血压预测模型。（2）在特征选择阶段使用PCA主成分分析以及SBS序列后向选择算法进行特征项选取,同时针对医疗数据不平衡问题,提出SMOTE+ENN集成算法来优化数据。（3）依据高血压患病预测模型构建策略进行实证研究,构建高血压患病预测模型,针对不同特征选择方法,使用决策树、随机森林、支持向量机、朴素贝叶斯、逻辑回归算法分别对数据进行了对照实验,并检验五种算法间结果差异的显著性,最终使用SBS序列后向选择算法的随机森林模型综合指标最优,准确率77.44%,敏感度84.10%,特异度75.95%,AUC值0.875。