結合多種前處理方法

train() 的 preProcess 參數不只用來做遺漏值插補。它還包含各式各樣的 preProcess 技術，能大幅簡化你做資料科學工作的流程。你可以輸入 ?preProcess，閱讀這個函式的說明頁面以查看完整清單。

有一組對於迴歸模型特別實用的前處理函式是標準化：置中與縮放。先進行「置中」（center），也就是把每欄的平均數從該欄的每個數值中扣除；接著再進行「縮放」（scale），將結果除以該欄的標準差。

標準化會把你的資料轉換成：對每一欄而言，平均數為 0、標準差為 1。這能讓迴歸模型更容易找到好的解。

本練習屬於課程

使用 R 的 caret 進行 Machine Learning

試著完成這個範例程式碼，體驗一下這個練習。

# Fit glm with median imputation
model <- train(
  x = ___, 
  y = ___,
  method = ___,
  trControl = myControl,
  preProcess = ___
)

# Print model