随着时代的发展,人们的健康意识有了明显提升,对一些疾病现状的改善也有了更为殷切的期待。心脑血管疾病作为一类常见的慢性病,对人民生命健康危害极大。若能从现有的医疗数据中挖掘出与该疾病存在紧密联系的信息,对其预防将起到一定程度的指导作用。本文针对医疗数据进行了五项疾病指标的预测研究。研究过程分为四个阶段。在数据处理以及特征工程阶段,先根据判别比例实现对数值混合型及文本型数据的划分,然后分别按照正则表达式匹配规则以及文本与数值映射规则完成向标准数值型数据的转化。基于文本特征信息,最终实现了新特征的提取以及交叉特征的构建,并通过计算袋外数据误差完成了特征选择。第二阶段建立了随机森林模型以及LightGBM模型,接着分别通过GridSearchCV算法及Scikit-Optimize库实现了模型的参数优化,从训练效率和预测精度来看,LightGBM模型表现更优。通过分析模型中的重要特征与疾病指标的实际联系,可在一定程度上验证模型的合理性。第三阶段比较了五种测试集划分比例下模型的损失函数值,发现LightGBM模型表现出稳健的预测效果,XGBoost模型表现稍弱于LightGBM模型,但要远优于随机森林模型。第四阶段改进了二分类任务的Focal Loss损失函数,实现了多分类的样本均衡化处理。最终通过模型融合,实现了模型性能的进一步提升。