近些年来结直肠癌的发病率和死亡率一直居高不下,已经成为全球范围内严重威胁我们健康的恶性肿瘤之一。目前常规的治疗手段会给患者带来许多不良反应,影响治疗后的生存质量。许多研究表明中医药在结直肠癌的预防和治疗等方面都具有独特的优势,能有效延长患者的生存期。辨证是中医治疗结直肠癌的核心与关键,但是由于缺乏客观的辩证评价指标,辩证结果具有很大的不确定性,极大的降低了中医在结直肠癌诊断上的效果。机器学习技术能够发现症状与证型之间的内在关系,通过构建智能的辩证分类模型,可以辅助临床医生进行判断决策,推动中医客观化的进程。考虑到集成学习方法具有比较好的泛化能力和较高的预测准确率,因此本研究针对收集的结直肠癌数据采用集成学习算法进行辩证分型研究。首先对纳入研究的结直肠癌病例根据相应的标准和准则进行整理和统一,对患者的性别、证型等一般情况进行统计,并从患者的症状体征、舌象脉象分布结果以及六种证型各自的主要症状分布情况进行汇总分析。然后对样本数据进行量化处理,利用InfoGainAttributeEval评估器对各个症状类别的重要性进行计算,筛选出结直肠癌的主要症状,并通过特征优化前后各模型的分类准确率进行评估。结果表明,症状特征进行优化处理之后,各个机器学习模型的预测准确率均有较大的提高,验证了模型构建之前进行特征选择的必要性。最后通过kappa系数等指标对模型的分类性能进行比较,得到集成学习模型的准确率为93.55%,kappa系数为0.9202,均优于另外三种经典模型,表明了本研究所提出的集成学习方法在中医结直肠癌辩证分型上的性能优越性,可优先考虑选用该方法对结直肠癌证候类型进行智能判别。