액티브 러닝 파이프라인 구현
이 연습에서는 로지스틱 회귀 모델과 불확실성 샘플링 전략을 사용해 액티브 러너를 설정해 보겠습니다.
데이터셋은 이미 로드되어 있으며, 학습용 라벨링 데이터는 X_labeled, 비라벨 데이터는 X_unlabeled, 라벨은 y_labeled로 제공됩니다.
필요한 라이브러리는 모두 임포트되어 있습니다: modAL.models의 ActiveLearner, modAL.uncertainty의 uncertainty_sampling, sklearn.linear_model의 LogisticRegression.
이 연습은 강의의 일부입니다
Reinforcement Learning from Human Feedback (RLHF)
연습 안내
ActiveLearner객체를 초기화하세요.- 추정기로 LogisticRegression을 사용하세요.
- 질의 전략으로 불확실성 샘플링을 사용하세요.
- 라벨링된 학습 데이터로 러너를 초기화하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Create the active learner object
learner = ____(
# Set the estimator
____,
# Set the query strategy
____,
# Pass the labeled data
X_training=____, y_training=____
)