摘要 - 由于无法有效使用人体的胰岛素，糖尿病正在逐渐增加，这威胁了公共卫生。患有糖尿病患者在早期阶段未被诊断或患有糖尿病患者患心脏病，肾脏疾病，眼睛问题，中风和神经损伤的风险很高，糖尿病诊断对预防至关重要。我们的先进的机器学习算法是通向检测人体是否患有糖尿病的革命性可能性的门户。使用机器学习开发了这种方法，它使用了一十万个数据，也是创建一个新的新型糖尿病预测模型，称为调节的ADA-BOOST（AB），该模型可以准确诊断糖尿病。About 10 different classification methods are applied in this research such as Random forest classifier (RF), logistic regression (LR), decision tree classifier (DT), support vector machine (SVM), Bayesian Classifier (BC) or Naive Bayes Classifier (NB), Bagging Classifier (BG), Stacking Classifier (ST), Moderated Ada-Boost(AB) Classifier, K Neigh- BORS分类器（KN）和人工神经网络（ANN）。至关重要的贡献是使用高参数调整过程为不同模型找出适当的值。我们提出了一个名为主持Ada-Boost（AB）的新的增强模型，该模型是超参数调谐的随机森林模型和ADA-BOOST模型的组合。不同的评估指标，例如准确性，精度，召回，F1分数和其他评估指标，用于评估模型的性能。与其他训练精度为99.95％且测试准确性为98.14％的模型相比，我们提出的新的增强算法（AB）提供了更好的准确性（AB）。