Trong bối cảnh hiện nay, việc phát triển các phương pháp dự đoán bệnh tiểu đường ngày càng được coi trọng do tác động to lớn của nó đối với sức khỏe cộng đồng. Đề tài này tập trung vào việc nghiên cứu và áp dụng hai mô hình học máy KNN (K-Nearest Neighbors) và Naive Bayes để cải thiện độ chính xác trong quá trình dự đoán bệnh tiểu đường từ các đặc trưng sinh học. Qua đó, mục tiêu của đề tài là cung cấp một giải pháp hiệu quả nhằm hỗ trợ y tế cộng đồng. Phương pháp nghiên cứu bao gồm việc phân tích dữ liệu thực nghiệm, triển khai và so sánh hiệu suất của hai mô hình đã chọn. Kết quả mong đợi từ đề tài này không chỉ đóng góp cho sự phát triển của công nghệ học máy trong lĩnh vực y tế mà còn giúp nâng cao nhận thức về tầm quan trọng của dự đoán bệnh lý thông qua các phương pháp học máy.