Active learning のループ
アクティブラーナーの設定ができたので、実際に使ってみましょう。この演習では、データのカテゴリ分類を継続的に改善できるループを実装します。
データセットはすでに読み込まれており、ラベル付きの学習データは X_labeled、ラベルなしの学習データは X_unlabeled、ラベルは y_labeled に入っています。
learner オブジェクトは事前にインポート済みです。
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
10回のクエリを実行するループを実装します。- 各イテレーションで、現在のラベル付きデータを使って learner が自己学習するようにします。
- learner を使って、ラベルなしデータから最も不確かなデータポイントを問い合わせ、インスタンス数は
5に設定します。 - それに応じて、ラベルなしデータセットを更新します。
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。
# 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)