根据世界卫生组织的数据显示,慢性疾病是每年全球致死率最高的疾病,而冠心病、高血压、糖尿病和高血脂都是高发的慢性疾病,——并且它们之间具有一定的关联性,因此,研究这四种疾病的危险因素有助于这些疾病的预防。本文通过数据挖掘算法,建立高血压、高血脂、糖尿病和冠心病四种疾病的危险因素分析和预测模型。主要工作如下：首先,在分析危险因素时,提出一种C4.5的改进算法Knn-DT,结果表明该算法的分类准确率比C4.5平均高2.5%。提出一种逻辑回归的改进算法QN-L R,结果表明QN-LR算法的收敛速度分别是DFP和BFGS这两种改进算法的3.25倍和8倍。提出一种BP神经网络的改进算法MODF-BNN,结果表明MODF-BNN中,LM算法分析高血压的危险因素时准确率为90.9%,迭代速度分别是BFGS和Rprop两种改进算法的7倍和3倍；SCG算法分析高血脂、糖尿病和冠心病的危险因素时,分类准确率比其他改进算法高,分别为91.9%、90.3%和88.5%。此外,‘对比上述算法的分类准确性,并得出结论,即Knn-DT、 MODF-BNN_LM 和 MODF-BNN_SCG在分析高血压的危险因素时,准确率较高；Knn-DT、QN-LR在分析糖尿病的危险因素时准确率较高; MODF-BNN_SCG对四种病的分类准确率都较高,是综合表现最好的方法。其次,提出一种适用于解决多元二类问题的改进的梯度提升回归树RF-GBRT,并通过实验对比该方法在不同参数下的预测结果,并在最优参数配置下给出四种慢性病的预测模型。最后,利用Java编程语言构建四种慢性病的危险因素挖掘与疾病预测系统RFMDPS。