본 논문은 생물통계 분석에서 흔히 발생하는 결측값 처리 문제를 해결하기 위해 새로운 결측값 대치 방법인 MissARF를 제안합니다. MissARF는 생성적 기계 학습을 기반으로 하며, 적대적 랜덤 포레스트(ARF)를 이용하여 확률밀도를 추정하고 데이터를 생성합니다. 결측값을 대치하기 위해, 관측치의 비결측값을 조건으로 ARF가 생성한 조건부 분포에서 샘플링합니다. 단일 및 다중 대치 모두를 제공하며, 실험 결과 기존 최첨단 방법들과 비교하여 대치 품질이 우수하고, 다중 대치에 추가 비용 없이 빠른 실행 속도를 보임을 보여줍니다.
