| dc.contributor | 統計系 | |
| dc.creator (作者) | 張育瑋 | |
| dc.date (日期) | 2026-02 | |
| dc.date.accessioned | 4-Jun-2026 09:08:28 (UTC+8) | - |
| dc.date.available | 4-Jun-2026 09:08:28 (UTC+8) | - |
| dc.date.issued (上傳時間) | 4-Jun-2026 09:08:28 (UTC+8) | - |
| dc.identifier.uri (URI) | https://ah.lib.nccu.edu.tw/item?item_id=182744 | - |
| dc.description.abstract (摘要) | 分析實際資料常會遇到遺失值(missing data)。根據Rubin (1976)，若在分析資料時將有部分遺失值的元素直接刪除，會造成統計推論的偏誤。又，大部分的統計方法均基於完整資料的情況，因此，如何處理遺失值長久以來是一個廣泛被討論的議題。文獻上許多遺失值填補方法被提出，以期能改善填補正確率。本研究聚焦於使用分類迴歸樹的方法填補遺失值，並將從三個方面改善現有的填補方法，發展更佳的遺失值填補方法，讓有遺失值的資料之統計分析皆可以更加精準。 | |
| dc.format.extent | 116 bytes | - |
| dc.format.mimetype | text/html | - |
| dc.relation (關聯) | 國家科學及技術委員會, NSTC113-2118-M004-002, 113.08-114.07 | |
| dc.subject (關鍵詞) | 分類迴歸樹; 疊代填補法; 遺失值填補; 將遺失值視為資料之類別; 分割變數之選擇不偏 | |
| dc.subject (關鍵詞) | classification and regression trees; iterative imputation; missing data imputation; missingness incorporated in attributes; unbiased selection of split variables | |
| dc.title (題名) | 基於分類迴歸樹的資料遺失值之填補方法 | |
| dc.title (題名) | Missing Data Imputation Based on Classification and Regression Trees | |
| dc.type (資料類型) | report | |
