在本章中，你會使用威斯康辛乳癌資料集的一個版本。這個資料集是典型的二元分類問題：50% 的樣本為良性，50% 為惡性，而你的任務是分辨哪些是良性、哪些是惡性。

這個資料集的特點是許多預測變數含有遺漏值，而且大多數資料列至少有一個遺漏值。這對建模造成挑戰，因為多數機器學習演算法無法直接處理遺漏值。舉例來說，你的第一直覺可能是對這份資料擬合羅吉斯迴歸模型，但在此之前，你需要先決定如何處理 NA。

所幸，caret 的 train() 函式提供名為 preProcess 的引數，讓你可以指定使用中位數插補來填補遺漏值。在前面章節中，你曾用 train() 函式並以 y ~ . 這類公式來建立模型。另一種方式是對 train() 指定 x 與 y 引數，其中 x 是一個物件，資料列為樣本、資料欄為特徵；y 是包含結果的數值或因子向量。換句話說，x 是一個矩陣或資料框，內容等同於你在呼叫 lm() 時會放在 data 引數的整個資料集，但不含應變數那一欄；y 則是只包含應變數那一欄的向量。

在這個練習中，傳給 train() 的引數 x 已載入為 breast_cancer_x，y 則為 breast_cancer_y。

preProcess() 與 nearZeroVar()

使用 R 的 caret 進行 Machine Learning

動手互動練習