应用中位数插补

在本章中，您将使用一个经过处理的 Wisconsin Breast Cancer 数据集。这个数据集是一个经典的二分类问题：50% 的样本为良性，50% 为恶性，目标是区分二者。

这个数据集的特点是，许多预测变量包含缺失值，而且大多数行至少有一个缺失值。这对建模提出了挑战，因为大多数机器学习算法并不能直接处理缺失值。例如，您的第一反应可能是对该数据拟合逻辑回归模型，但在此之前，您需要先制定处理 NA 的策略。

幸运的是，caret 中的 train() 函数包含一个名为 preProcess 的参数，您可以通过它指定使用中位数插补来填补缺失值。在前面的章节中，您已经使用过 train() 函数并通过类似 y ~ . 的公式来创建模型。另一种方式是向 train() 指定 x 和 y 参数，其中 x 是一个按行存放样本、按列存放特征的对象，y 是一个包含结果的数值或因子向量。换句话说，x 是一个矩阵或数据框，包含了您在调用 lm() 时会放入 data 参数的整张数据表，但不包含响应变量列；y 则是仅包含响应变量列的向量。

在本练习中，传给 train() 的参数 x 已作为 breast_cancer_x 加载到您的工作区中，y 则为 breast_cancer_y。