妊娠期糖尿病是一种发生于妊娠期的糖代谢异常情况,其常会引母婴围产期疾病和Ⅱ型糖尿病。而尽早地诊断并控制病情,可以有效地降低疾病所带来的风险,随着生物医学和计算机科学的发展与融合,越来越多的机器学习算法与技术应用于辅助医疗诊断。目前有机器学习算法在糖尿病诊断的应用研究也比较多,而随着数据维度的提升,特征选择模型也越来越广泛的应用于辅助医疗诊断过程中。本文提出一种具有泛化意义的层次特征选择模型,并给出形式化描述,可以用于表示单一特征选择模型和多混合特征选择方法融合。借鉴计算机科学广泛应用的分层结构,通过分层结构对特征选择模型进行管理,以实现在特征选择阶段的模型融合。提出的层次特征选择模型具有泛函性好,鲁棒性强等优点,适用于发现特征物理解释不明确,与类标签之间模式不可知的情况。其次,本文改进了一种基于关联规则的特征选择算法,根据规则的置信度和特征在规则中出现的频率,计算特征对应的加权频率分数,用以表征特征重要性,实现特征选择功能。本文使用的是天池糖尿病数据集,包含55维SNP特征和29维体征特征,根据数据集的特点,提出混合特征选择模型,分别使用层次特征选择模型和基于关联规则的特征选择算法对组合后的SNP特征和离散化后的体征特征进行特征选择,对选择后的特征进行拼接,最终实现特征选择功能。并通过实验验证,在天池糖尿病数据集下,本文提出的混合特征选择模型特征选择效果优于其他对照特征选择模型。