小樣本學習問題,常發生於系統建置初期資料取得困難或以及取得成本過高之情況,因此如何從中獲取更多有意義的資訊,於近年已成為研究的課題。本研究利用了模糊分群法(fuzzy C-mean, FCM)去分析樣本並且利用了側影係數(fuzzy silhouette coefficient, FSC)來決定最佳分群數,用來獲得最大的先前資訊。本研究在利用MTD來估計每群的範圍,並且計算每一樣本的隸屬函數,所產生出的數值稱作虛擬屬性。最後在實驗階段,本研究以電子製造業取得之真實案例進行驗證,結果顯示當訓練樣本加入本研究方法所產生之虛擬屬性後,確實比整體趨勢估計法在倒傳遞類神經網路上有更佳之預測準確度,表示此種研究方法所建構的樣本分配,確能改善小樣本之預測品質。