通常の機械学習は基本的に一切の欠損がないデータを必要とするが、欠損を含んでいる場合も多く存在する。データが欠損している場合、例えば欠損を含むデータを学習から省くか、何らかの方法で欠損を補完するといった作業が必要となる。前者の場合はデータ数の削減を、そして後者の場合は偽りの情報を学習データに付加してしまう可能性がある。この問題を解決するために、制限ボルツマンマシンを用いて、欠損部を隠れ変数と見なし周辺化消去する学習法が提案されている。本研究は、先行研究の学習法を数理統計的なアプローチで理論的に改良し、より高性能な学習法を提案する。提案アルゴリズムの有効性を数値実験を通して検証する。