是什么让 glmnet 适合作为基线模型？
glmnet
本练习是课程的一部分
通过我们的互动练习之一，将理论转化为实践
在本课程的第一章中，您将使用 <code>train()</code> 拟合回归模型，并通过交叉验证与均方根误差（RMSE）评估其样本外性能。
在本章中，您将使用 <code>train()</code> 拟合分类模型，并通过交叉验证与曲线下面积（AUC）评估其样本外性能。
在本章中，您将使用 <code>train()</code> 函数，通过交叉验证与网格搜索来微调模型参数。
在本章中，您将练习在拟合模型前使用 <code>train()</code> 进行数据预处理，从而提升预测的准确性。
在本课程的最后一章中，您将学习如何使用 <code>resamples()</code> 比较多个模型，并选择（或集成）最佳模型。
当前练习
