在MATLAB中，可以使用以下方法處理缺失數據或NaN值：
data = [1 2 NaN 4; 5 NaN 7 8; 9 10 11 12];
data_cleaned = data(~any(isnan(data), 2), :); % 刪除包含NaN值的行
data_cleaned = data(:, ~any(isnan(data), 1)); % 刪除包含NaN值的列
data = [1 2 NaN 4; 5 NaN 7 8; 9 10 11 12];
mean_value = nanmean(data, 'all'); % 計算所有非NaN值的平均值
data_cleaned = fillmissing(data, 'constant', mean_value); % 將NaN值替換為平均值
data = [1 2 NaN 4; 5 NaN 7 8; 9 10 11 12];
data_cleaned = fillmissing(data, 'linear'); % 使用線性插值方法估計NaN值
data = [1 2 NaN 4; 5 NaN 7 8; 9 10 11 12];
data_cleaned = data;
data_cleaned(isnan(data_cleaned)) = 0; % 將NaN值替換為0
根據數據的特點和分析的目的，選擇合適的方法處理缺失數據或NaN值。
