妊娠期糖尿病是导致胎儿发育不良和产妇妊娠困难的危险因素之一,因此在早期能够实现对妊娠期糖尿病的发病预测,可以辅助医生诊断。本文采用集成模型算法构建妊娠期糖尿病预测模型,并对级联分类原理在疾病预测模型中的不足进行完善和改进,以及对模型进行个性化解释,有助于建立个性化的疾病预防管理方案。为了构建性能更优的基于集成学习算法的妊娠期糖尿病预测模型,本文做了以下的研究工作:(1)将样本数据进行清洗和数据描述,并根据变量的IV值进行筛选,在筛选过程中进行离散值替换和连续变量等距分割,并依照IV值0.1~0.5作为阈值,筛选出代入模型的九个变量;(2)在提升模型准确性方面,将样本数据按照7:3的比例分割出训练集和测试集,并采用xgboost,lightgbm和catboost三种集成算法构建妊娠期糖尿病预测模型,并选择F1分数作为模型评价指标,应用网格调参与交叉验证方法进行参数调优,并进行模型比较;进一步应用级联原理提升F1分数预测准确率,通过研究样本覆盖度和分位数准确率的关系,确定级联结构阈值为70%,并对三种级联结构进行比较,最终根据准确率选取以catboost作为主模型的级联结构;(3)在模型解释方面,采用shap框架对catboost模型从样本的粒度进行解释,针对每一个样本给出特征的作用大小和特征的作用方向,并采用shapvalue作为评估值进行计算,shap框架的灵活性支持每个样本的特征分解,除此之外还对单个特征在全样本下的作用方向和作用大小进行分析,并根据全样本的shap-value得出特征重要性,以及该特征对模型结果的作用方向。