Abstract
分類與預測為資料探勘的主要任務之一。在現實二元分類問題中，兩種類別的資料集樣本數比例往往具有差距，這樣的資料型態我們稱之為不平衡資料。不平衡資料可能導致分類技術在建立分類模型的過程中產生偏差，使得建構出的模型對多量類別資料辨別的特效性較佳，而降低了對少量類別資料辨別的敏感度，然而，這樣的結果並不適合現實之應用。馬氏田口系統針對多變量系統提供一個二元分類問題的分類技術，其不具有任何統計上的假設限制或分配理論，僅利用馬氏距離作為量測指標，而非對訓練資料進行學習，因此較不受資料型態的影響。 本研究提出利用粒子群最佳化演算法判定馬氏田口系統的分類閥值，透過數據分析，發現其具有不錯的分類績效表現，可作為分類閥值制定之方法。此外，本研究比較馬氏田口系統與其他四種分類方法在不平衡訓練資料下的分類績效，結果顯示馬氏田口系統確實具有較佳、較穩定之分類結果，且其結合直交表與訊號雜音比所選取之重要特徵變數數量亦不受不平衡資料影響，較其他分類方法具有穩健性。