随着医疗信息化技术的发展,各大医院逐步建立起完备的电子信息系统,为医疗诊断与大数据挖掘技术相融合提供了充分的数据支持。其中随机森林算法因其分类准确率高的优点成为运用最广泛的挖掘算法之一。然而,医学数据因其极不平衡且特征维度高的特点,使得传统随机森林算法在医疗领域的分类性能被严重削弱,同时随机森林本身需要构建多棵决策树,导致运算时间较长。针对上述问题,本文深入的分析和研究了随机森林算法在医疗诊断领域的应用,提出了几点针对性的算法改进,最后设计并实现了一套针对败血症的医疗辅助诊断系统,主要工作如下:首先,针对医疗数据极不平衡且特征维度高的特点,提出了一种基于特征约简的随机森林改进算法RW＿RF(Relief F&Wrapper Random Forest)。使用改进的Relief F算法将特征按分类能力进行区分,在随机森林构建过程中,分层抽取特征并递归地训练决策树,直到子树分类性能达到最佳。实验证明,RW＿RF算法比传统随机森林算法有更好的分类精度,在不平衡数据中也有很好的表现。其次,为减轻算法的时间复杂度,提出了一种基于Spark的改进随机森林算法,对RW＿RF算法的两处进行并行化设计,一是特征权值并行化计算,二是随机森林并行化构建。实验证明,并行化后的算法具有更好的运算效率、扩展性和伸缩性。最后,基于改进的随机森林算法以及Spark平台,构建一个败血症辅助诊断系统。系统包括数据处理、分类规则获取、模型评估、疾病预测几个阶段,并利用和鲸社区公开的败血症数据集证明了系统的有效性和可行性。