比較 KNN 與中位數插補

在 train() 函式中，所有前處理步驟都發生在每個交叉驗證摺疊的訓練集內，因此回報的誤差指標會包含前處理的影響。

這也包含所使用的插補方法（例如 knnImpute 或 medianImpute）。這很有用，因為你可以比較不同的插補方法，並選出在樣本外表現最好的那一種。

median_model 與 knn_model 已載入到你的工作區，resamples 也可使用，裡面包含兩個模型的重抽樣結果。請呼叫下列程式碼來檢視模型結果：

dotplot(resamples, metric = "ROC")

然後選出在樣本外表現最佳的模型。對於你的 glm 模型，哪一種插補方法能得到最高的樣本外 ROC 分數？