使用来自数据库（不同表）的数据定义 mlr3 任务？

Question

这是一个新手问题。如何定义tsk使用（sqlite）数据库中的数据的（分类）？该mlr3db例子似乎先写内存中的数据。就我而言，数据已经在数据库中。也许更大的问题是，目标数据和特征在不同的表中。

我试过的：

con <- DBI::dbConnect(RSQLite::SQLite(), dbname = "my_data.db")
my_features <- dplyr::tbl(con, "my_features")
my_target <- dplyr::tbl(con, "my_targets")
task <- mlr3::TaskClassif$new("my_task", backend=my_features, target="???")

然后我不知道如何指定target参数。

也许一个解决方案是在数据库中创建一个连接功能和目标的 VIEW？

Answer 1

可以将数据拆分为 (1) 多个表或 (2) 多个数据库。在您的情况下，数据看起来只是分割成多个表，但您可以使用相同的 DBI 连接来访问它们。

您所需要的只是一个键列来连接两个表。在下面的示例中，我使用一个简单的整数键列和一个inner_join()将两个表合并为一个新表，但这在某种程度上取决于您的数据库方案。

library(mlr3)
library(mlr3db)

# base data set
data = iris
data$row_id = 1:nrow(data)

# create data base with two tables, split data into features and target and
# keep key column `row_id` in both tables
path = tempfile()
con = DBI::dbConnect(RSQLite::SQLite(), dbname = path)
DBI::dbWriteTable(con, "features", subset(data, select = - Species))
DBI::dbWriteTable(con, "target", subset(data, select = c(row_id, Species)))
DBI::dbDisconnect(con)

# re-open table
con = DBI::dbConnect(RSQLite::SQLite(), dbname = path)

# access tables with dplyr
tbl_features = dplyr::tbl(con, "features")
tbl_target = dplyr::tbl(con, "target")

# join tables with an inner_join
tbl_joined = dplyr::inner_join(tbl_features, tbl_target, by = "row_id")

# convert to a backend and create the task
backend = as_data_backend(tbl_joined, primary_key = "row_id")
mlr3::TaskClassif$new("my_task", backend, target = "Species")