随着计算机技术,特别是数据库技术的快速发展和广泛应用,各行各业积累的数据量越来越大,传统的数据处理方式已经很难被充分利用以找到蕴藏在这些海量数据中的有用信息,于是,数据挖掘技术应运而生了。自诞生之日至今,数据挖掘被越来越多的行业所重视和引用,而在现今国内外的流行病学研究中,统计学一直是主流的方法,但是统计学方法对数据还是有一定的要求,如需要研究者对数据之间的关系有一些大致了解,假设属性之间有一定关系再去搜集数据建立统计模型验证假设,统计模型无法对大量数据进行研究,如果存在较多变量,统计模型的建立也比较困难等。数据挖掘技术虽然是在金融、零售、电信行业应用广泛,但在医学领域还处在探索阶段,本文试图将数据挖掘技术作为一种辅助研究方法,对体重与饮食习惯之间的联系进行探索分析,利用关联规则算法找到不同体型的人经常食用的一些食物及食用频率,帮助人们了解日常饮食摄取与体重之间的关系,再利用分类算法建立分类规则,确立预测模型,通过输入个人饮食习惯对肥胖进行预测,以作为体重预警使其及时调整饮食习惯,预防和减少肥胖的产生,以间接减少心脑血管方面的疾病。另外,在建立分类模型对数据进行预测的同时,对决策树和贝叶斯这两种分类算法进行比较,总结两种算法的优缺点。