2. 關於遺缺值（Missing Value）的處理，下列敘述哪一項正確？
(A) 即使資料有遺失值也不應該被刪除，所有的資料都應該被完整保存下來
(B) 同一欄位（column）中太多資料都含有遺缺值時，不適合將這些資料全都 刪除，應該找尋補齊遺缺值的方法
(C) 如果類別變量有遺缺值，則可以使用算術平均數填補該遺缺值
(D) 不論資料分布型態，皆可直接以資料中非缺失值的平均數或中位數來補齊缺失值

(B) 同一欄位（column）中太多資料都含有遺缺值時，不適合將這些資料全都刪除，應該找尋補齊遺缺值的方法。

解析：

• (A) 錯誤：雖然完整保存數據是理想狀況，但如果某筆資料遺缺值過多，可能會影響分析的準確性，因此有時候需要刪除部分缺失過多的資料。
• (B) 正確：當某一欄位有大量缺失值時，直接刪除可能會導致數據集嚴重縮小，因此應該考慮其他補值方法，如眾數填補（類別變數）、平均數或中位數填補（數值變數）、回歸預測、KNN 補值等。
• (C) 錯誤：類別變量（例如：顏色、性別）不能用算術平均數來填補，通常會用**眾數（mode）或最近鄰方法（KNN）**來填補。
• (D) 錯誤：若數據分布偏斜，則使用平均數補值可能會造成偏誤，因此通常會視情況選擇平均數（適用於正態分布）、中位數（適用於偏態分布）或其他適合的方法。

總結

遺缺值的處理需視情況而定，常見方法包括：

1. 刪除缺失值過多的行或列（當缺失值比例過高時）。
2. 使用統計方法填補缺失值（如平均數、中位數、眾數）。
3. 使用機器學習演算法填補（如 KNN、回歸模型預測）。
4. 利用業務知識或上下文補齊遺缺值。

所以，正確答案是 (B)。