glmnet が優れたベースラインモデルと言える理由は何ですか？
glmnet
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、<code>train()</code> で回帰モデルを学習し、交差検証と二乗平均平方根誤差（RMSE）を使って外部データでの性能を評価します。
この章では、<code>train()</code> で分類モデルを学習し、交差検証と ROC 曲線下面積（AUC）を使って外部データでの性能を評価します。
この章では、<code>train()</code> 関数を用いて、交差検証とグリッドサーチでモデルパラメータを調整します。
この章では、モデルを学習する前に <code>train()</code> でデータ前処理を行い、より正確な予測につなげる練習をします。
最終章では、<code>resamples()</code> を使って複数モデルを比較し、最良のモデルを選択（またはアンサンブル）する方法を学びます。
現在の演習
