破伤风类毒素(TT)疫苗是为预防新生儿破伤风和破伤风引起的孕产妇死亡而接种的育龄妇女疫苗。在全球范围内，破伤风每年造成5%的产妇死亡和14%的新生儿死亡。数据挖掘是从大量数据中发现有趣的模式和知识的过程。因此，本研究的目的是识别最佳分类器，并使用数据挖掘算法技术从TT数据集中预测模式。本研究的数据来自2011年埃塞俄比亚人口与健康调查(EDHS)的破伤风类毒素数据集，并使用选择、处理、转换、挖掘和解释的知识发现过程进行分析。使用WEKA3.6.1工具进行分类、聚类、关联和属性选择。分类器在训练数据上的准确率相对高于测试数据，多层感知器是我们的破伤风类毒素数据集中最好的分类器。在10倍交叉验证中，正确分类最好的是naïve贝叶斯法63.30%，最近邻法60.52%准确率最低。使用NaïveBayesian进行单个数据实例测试，创建测试1、测试2、测试3和测试4数据测试实例，其中三个数据被正确预测，但其中一个被错误分类。在一般联想中获得的最大置信度为0.98。但是，在class属性中，它是0.72。母亲识字率的信息增益较高，为0.046。综上所示，基于TT疫苗接种数据的最佳算法为多层感知器分类器，准确率为67.28%，构建模型总时间为0.01秒。多层感知器分类器的平均误差最小，为32.72%。这些结果表明，在测试的机器学习算法中，多层感知器分类器有潜力显著改进用于破伤风类毒素EDHS数据的传统分类方法。