ComenzarEmpieza gratis

Implementación de una canalización de active learning

En este ejercicio, vas a configurar un aprendiz activo usando un modelo de regresión logística y una estrategia de uncertainty sampling.

El conjunto de datos ya está cargado con X_labeled para los datos de entrenamiento etiquetados, X_unlabeled para los datos de entrenamiento sin etiquetar y y_labeled para las etiquetas.

Se han importado las librerías necesarias: ActiveLearner de modAL.models, uncertainty_sampling de modAL.uncertainty y LogisticRegression de sklearn.linear_model.

Este ejercicio forma parte del curso

Reinforcement Learning from Human Feedback (RLHF)

Ver curso

Instrucciones del ejercicio

  • Inicializa un objeto ActiveLearner.
  • Usa LogisticRegression como estimador.
  • Usa uncertainty sampling como estrategia de consulta.
  • Inicializa el aprendiz con datos de entrenamiento etiquetados.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Create the active learner object
learner = ____(
    # Set the estimator 
    ____,
    # Set the query strategy
    ____,
    # Pass the labeled data
    X_training=____, y_training=____
)
Editar y ejecutar código