缺失值補植

MissBGM

MissBGM：結合貝葉斯生成模型與深度生成式網路，處理 MNAR 缺失與不確定性量化

遺失資料在醫療、社會科學與工業資料分析中普遍存在，且會顯著影響後續推論。研究提出 MissBGM，一套結合深度生成架構與貝葉斯推論的缺失值補植框架，並同時顯式建模資料生成及缺失機制，提供後驗分布而非單一點估計。作者設計交替隨機優化程序，分別更新缺失值、潛變數與模型參數以達到可擴展訓練與每筆樣本的後驗推論。