Active Learning パイプラインを実装する
この演習では、ロジスティック回帰モデルと不確実性サンプリング戦略を使って、Active Learner を設定します。
データセットは、ラベル付き学習データの X_labeled、ラベルなし学習データの X_unlabeled、およびラベルの y_labeled として読み込まれています。
必要なライブラリはすでにインポートされています：modAL.models の ActiveLearner、modAL.uncertainty の uncertainty_sampling、そして sklearn.linear_model の LogisticRegression。
この演習はコースの一部です
人間のフィードバックによる強化学習（RLHF）
演習の手順
ActiveLearnerオブジェクトを初期化します。- 推定器には LogisticRegression を使用します。
- クエリ戦略には uncertainty sampling を使用します。
- ラベル付き学習データで学習器を初期化します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Create the active learner object
learner = ____(
# Set the estimator
____,
# Set the query strategy
____,
# Pass the labeled data
X_training=____, y_training=____
)