为了提高心律失常自动诊断的识别率,本文提出一种基于XGBoost模型的心律失常分类方法。对MLII导联信号进行分析,提取信号投影特征和RR间期特征形成特征向量,标准化后输入到XGBoost分类器。通过训练,得到的基于XGBoost的心律失常分类模型可以将心电信号按照AAMI标准分为四类:正常或束支传导阻滞节拍(N)、室上性异常节拍(S)、心室异常节拍(V)和融合节拍(F)。采用MIT-BIH心律失常数据库进行测试,在相同数据集的情况下,与已有心律失常检测方法进行对比,平均识别准确率进一步提高,达到94.1%。