分類與預測是資料探勘中重要的任務之一。在二元分類的資料中,多量類別與少量類別在數量上往往有差距,這種不平衡的資料會使得模型在多量類別的準確率較高,但卻降低了對於少量類別之敏感度。然而在實務上,相較於多量類別來說,少量類別之預測錯誤將會導致較嚴重的損失,例如,將醫療診斷中罹患疾病之病人判別為健康狀態。馬氏田口系統在處理多變量資料中,其利用馬氏距離作為兩個類別差異之衡量指標,更具有別於其他分類方法的特性,即是在分析中不需要事先知道資料分佈之情形。除此之外,馬氏田口系統結合訊號雜音比與直交表針對變數進行特徵篩選,提供一個簡單、有效率之方式找出少數重要之因子。 長久以來,壓瘡在醫療照護上一直是個棘手的問題,而且其資料型態實屬於不平衡資料。本研究主要是利用馬氏田口系統與其它三種分類方法針對術中壓瘡之醫療診斷進行分類與預測分析,並且利用特徵篩選方式找出重要因子。結果比較後發現,馬氏田口系統在醫療診斷之不平衡資料分析上確實擁有較佳的穩健性,並將影響壓瘡發生之14項危險變數篩選為5項變數,將可提供給未來壓瘡醫療防護上之依據與參考,提升醫療照護之品質。