KNN と中央値代入を比較する

train() 関数での前処理は、各クロスバリデーション分割の学習データで実行されるため、報告される誤差指標には前処理の効果が含まれます。

これには使用した代入法（例: knnImpute や medianImpute）も含まれます。これは、異なる代入法を比較して、アウト・オブ・サンプルで最も良いものを選べるので有用です。

median_model と knn_model がワークスペースに用意されており、両モデルのリサンプリング結果を含む resamples も利用できます。次を呼び出してモデル結果を確認し、

dotplot(resamples, metric = "ROC")

アウト・オブ・サンプルで最も良いものを選びましょう。glm モデルに対して、どの代入法がアウト・オブ・サンプルの ROC スコアを最も高くしますか？

KNN 代入は中央値代入よりもはるかに優れています。

KNN 代入は中央値代入よりもわずかに優れています。

中央値代入は KNN 代入よりもはるかに優れています。

中央値代入は KNN 代入よりもわずかに優れています。

演習