एक्टिव लर्निंग लूप
अब जब आपने अपना एक्टिव लर्नर सेट कर लिया है, तो इसे इस्तेमाल करने का समय है! इस अभ्यास में, आप एक ऐसा लूप इम्प्लीमेंट करेंगे जो डेटा की कैटेगराइज़ेशन को लगातार बेहतर करने देगा.
डेटासेट पहले से लोड है: लेबल्ड ट्रेनिंग डेटा के लिए X_labeled, अनलेबल्ड ट्रेनिंग डेटा के लिए X_unlabeled, और लेबल्स के लिए y_labeled.
learner ऑब्जेक्ट पहले से इम्पोर्ट किया गया है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
मानवीय फीडबैक से रिइनफोर्समेंट लर्निंग (RLHF)
अभ्यास निर्देश
- ऐसा लूप इम्प्लीमेंट करें जो
10क्वेरी चलाए. - हर इटरेशन में, लर्नर को मौजूदा लेबल्ड डेटा से खुद को सिखाने दें.
- अनलेबल्ड डेटा से सबसे अनिश्चित डेटा पॉइंट्स क्वेरी करने के लिए लर्नर का उपयोग करें, और इंस्टैंसेज़ की संख्या
5सेट करें. - इसके अनुसार अनलेबल्ड डेटासेट को अपडेट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Set the number of queries
____
for _ in range(n_queries):
# Use the current labeled data
____
# Query from unlabeled data
query_idx, _ = ____
X_new, y_new = X_unlabeled[query_idx], y[query_idx]
X_labeled = np.vstack((X_labeled, X_new))
y_labeled = np.append(y_labeled, y_new)
# Update the unlabeled dataset
X_unlabeled = np.delete(____, query_idx, axis=0)