1.一种患病风险的预测方法，其特征在于，包括：

获取N个用户的体检数据为样本体检数据；其中，所述N个用户不包括目标用户，N为大于1的正整数；

根据K‑Folds交叉验证算法将获取的N个样本体检数据分成K‑1个训练集及1个测试集；

基于Xgboost算法，在所述K‑1个训练集上建立i个回归树训练预测模型；其中，i为大于

1的正整数；

根据1个测试集测试，通过训练后的所述预测模型对患病的风险大小进行评分预测；

若评分预测的结果在预设误差范围内，则确定所述预测模型为目标评分模型；

基于Xgboost算法，在所述K‑1个训练集上建立i个回归树，确定体检数据中影响风险数据的s个不同的关键因子，其中，s为大于1的正整数；

接收关键因素，所述关键因素用于指示影响目标疾病的影响因子，所述关键因素包括所述s个不同的关键因子；

根据所述s个不同的关键因子对目标用户的体检数据进行数据筛选并处理，获得风险数据，包括：确定在所述s个不同的关键因子的影响力值中所述影响力值最大的前j个关键因子对应的所述目标用户的体检数据，其中，j为大于1且小于s的正整数，对所述前j个关键因子对应的目标用户的体检数据进行数据筛选，获得所述风险数据，所述风险数据包括血压数据、血脂数据以及血糖数据中的一种或多种；

根据风险数据通过所述目标评分模型，确定目标用户的风险分数；

根据所述风险分数确定所述目标用户患病风险的风险等级。

2.根据权利要求1所述方法，其特征在于，所述体检数据包括外科基本检查数据和内科基本检查数据。

3.根据权利要求1所述方法，其特征在于，所述方法还包括：

根据所述N个样本体检数据和所述目标评分模型，确定所述N个样本体检数据对应的风险分数；

根据确定所述N个样本体检数据对应的风险分数，划分风险等级并确定所述风险分数与所述风险等级的映射关系。

4.一种患病风险的预测装置，其特征在于，包括：

模型训练单元，用于获取N个用户的体检数据为样本体检数据，其中，所述N个用户不包括目标用户，N为大于1的正整数；根据K‑Folds交叉验证算法将获取的N个样本体检数据分成K‑1个训练集及1个测试集，其中，K为大于1的正整数，基于Xgboost算法，在所述K‑1个训练集上建立i个回归树训练预测模型，其中，i为大于1的正整数，根据所述1个测试集测试，通过训练后的所述预测模型对患病的风险大小进行评分预测，若评分预测的结果在预设误差范围内，则确定所述预测模型为目标评分模型；

第三确定单元，用于基于Xgboost算法，在所述K‑1个训练集上建立i个回归树，确定体检数据中影响风险数据的s个不同的关键因子，其中，s为大于1的正整数；

接收单元，用于接收关键因素，所述关键因素用于指示影响目标疾病的影响因子，所述关键因素包括s个不同的关键因子；

处理单元，用于根据所述s个不同的关键因子对目标用户的体检数据进行数据筛选并处理，获得风险数据，所述风险数据包括血压数据、血脂数据以及血糖数据中的一种或多种；

所述处理单元，具体用于确定在所述s个不同的关键因子的影响力值中所述影响力值最大的前j个关键因子对应的所述目标用户的体检数据，其中，j为大于1且小于s的正整数，对所述前j个关键因子对应的目标用户的体检数据进行数据筛选，获得所述风险数据；

第一确定单元，用于根据所述风险数据通过所述目标评分模型，确定所述目标用户的风险分数；

第二确定单元，用于根据所述风险分数确定所述目标用户患病风险的风险等级。

5.一种患病风险的预测装置，其特征在于，包括处理组件、存储组件和通信模组件，处理组件、存储组件和通信组件相互连接，其中，存储组件用于存储计算机程序，通信组件用于与外部设备进行信息交互；处理组件被配置用于调用计算机程序，执行如权利要求1‑3任意一项所述的方法。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现权利要求1‑3任意一项所述的方法。