Эндометриоз является распространенным, но плохо изученным заболеванием. От появления первых симптомов до постановки диагноза порой проходит более десяти лет. Лечения, которое поможет навсегда избавиться от эндометриоза, до сих пор не существует. Вычислительные модели могут помочь в понимании механизмов, с помощью которых иммунные, гормональные и сосудистые нарушения проявляются при эндометриозе и усложняют лечение. Исследование связано с построением и отбором признаков риска развития эндометриоза, формированием математической модели с применением нескольких алгоритмов машинного обучения. При этом проводится анализ важности построенных признаков, при котором сокращается подмножество признаков, не ухудшающих характеристики производительности модели (точность, быстродействие, стабильность работы). Предложен метод, позволяющий производить отбор признаков для построения прогностической модели на основе селектора, содержащего фильтрующие методы значимости признаков для обрабатываемого набора данных. Голосование за включение признака осуществляется на основе мажоритарной функции. Качество построения и отбора признаков в предметной области неинвазивной диагностики эндометриоза оценивалось математической моделью прогнозирования риска развития эндометриоза на основе логистической регрессии с 30 признаками. Эффективность модели оценивали с использованием общих метрик машинного обучения: точность, чувствительность, специфичность, F1-score и площадь под ROC-кривой. Достигнут наилучший результат со значением AUC, равным 0,950. Материал представляет ценность для специалистов в области медицинской кибернетики.