KNN 插補是否一定會比中位數插補更好？
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
在本課第一章，你會使用 <code>train()</code> 配適迴歸模型，並透過交叉驗證與均方根誤差（RMSE）評估其樣本外效能。
在本章中，你會使用 <code>train()</code> 配適分類模型，並透過交叉驗證與曲線下面積（AUC）評估其樣本外效能。
在本章中，你將使用 <code>train()</code> 函式，透過交叉驗證與網格搜尋微調模型參數。
在本章中，你會練習在配適模型之前使用 <code>train()</code> 進行資料前處理，讓你更能做出精準預測。
當前練習
在本課最後一章，你會學習如何使用 <code>resamples()</code> 比較多個模型，並選出（或集成）表現最佳者。
