Порівняння KNN‑імпутації та медіанної імпутації

Усі кроки попередньої обробки у функції train() виконуються на тренувальній вибірці кожної складки перехресної перевірки, тож звітовані метрики похибки вже враховують вплив попередньої обробки.

Сюди входить і використаний метод імпутації (напр., knnImpute або medianImpute). Це корисно, адже дає змогу порівняти різні методи імпутації та обрати той, що найкраще працює поза вибіркою.

У вашому середовищі доступні median_model і knn_model, а також resamples, який містить результати повторних вибірок для обох моделей. Перегляньте результати моделей, викликавши

dotplot(resamples, metric = "ROC")

і оберіть ту, що найкраще працює поза вибіркою. Який метод імпутації дає найвищий позавибірковий показник ROC для вашої моделі glm?