目的 建立基于机器学习方法的气滞证及其亚型证候辨证决策网络模型。方法 基于中医证候临床诊断量表—气滞证及其亚型证标准，纳入498例符合气滞证候患者，采用annaconda 3.8.8软件进行气滞证辨证模型的构建，分别采用支持向量机（SVM）、随机森林（RF）、BP神经网络（BP-NNs）以及XGBoost算法进行建模，并优化相关参数。评价指标采用ROC曲线下面积、平均准确率、精确率、召回率、F值、运行速率，综合评价模型优劣，择优构建模型。结果 XGBoost算法的平均准确率及ROC曲线下面积分数最高，分别为74.3%、0.94；随机森林算法的平均准确率及ROC曲线下面积为74%、0.93;BP神经网络平均准确率及ROC曲线下面积为70.9%、0.92；支持向量机平均准确率及ROC曲线下面积为71.4%、0.92。结论 通过XGBoost算法构建气滞证辨证决策网络模型具有良好的诊断及证型辨别能力，且具有较高的准确率，机器学习技术的应用在中医传统证型的决策诊断模型构建具有方法学上的可行性。