ランダムフォレストが線形モデルに対して持つ主要な利点は何ですか？
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。
現在の演習
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。
