以下は broom パッケージにある3つの関数の説明です。正しいのはどれでしょうか？
A) tidy() はモデルの統計的な結果（係数など）を返します。
B) glance() はモデルの概要を1行で簡潔にまとめて返します。
C) augment() はモデリング対象のデータに予測列を追加します。
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
この章では、tidyverse における Machine Learning の背骨となる List Column Workflow（LCW）を紹介します。LCW によって、1 つのデータフレームで多数のモデルを扱えるようになります。<br> さらに、broom パッケージの基本を学び、モデルを探索する方法を身につけます。
現在の演習
この章では、List Column Workflow を活用して 77 個のモデルを構築し、その属性を探索します。broom パッケージのツールを使って、これらのモデルを多面的に理解していきます。
この章では、List Column Workflow を使って回帰モデルを構築・チューニング・評価する方法を学びます。線形モデルとランダムフォレストという 2 種類のモデルに取り組みます。
この章では、分類モデルの構築・チューニング・評価へと切り替えて学習します。
