R语言机器学习之构建并操作Task（2）（mlr3包系列）

library(mlr3)
mtcars[1:5,1:3] # 查看mtcars数据集（前五行，前三列），该数据集列名就是车的型号

#我们把mtcars的前3列转化为“data.table”，并保留行名
data = as.data.table(mtcars[, 1:3],keep.rownames = TRUE)
#创建回归模型的Task（id，backend和target的定义请参考上期内容）
task = TaskRegr$new(id = "cars", backend= data, target = "mpg")
# 当保留原数据集的行名时，task的feature就会多出一个名叫“rn“的列，代表rownames
task$feature_names
# [1] "cyl"  "disp" "rn" 
# 我们可以把rn这一列作为name这个角色
task$set_col_roles("rn", roles ="name")
# 当把“rn“设置为”name“角色后，它就不存在于feature中
task$feature_names
# [1] "cyl"  "disp"
task$select(c("disp")) #只保留disp这个feature列
task$filter(1:3) # 只保留1到3行的数据
task$head() # 查看数据

task$cbind(data.table::data.table(foo =letters[1:3])) # 按列合并数据，也即添加一列新数据。
task$head() # 查看数据