ComeçarComece de graça

Implementando um pipeline de active learning

Neste exercício, você vai configurar um learner ativo usando um modelo de regressão logística e uma estratégia de amostragem por incerteza.

O conjunto de dados já foi carregado com X_labeled para os dados de treino rotulados, X_unlabeled para os dados de treino não rotulados e y_labeled para os rótulos.

As bibliotecas necessárias já foram importadas: ActiveLearner de modAL.models, uncertainty_sampling de modAL.uncertainty e LogisticRegression de sklearn.linear_model.

Este exercício faz parte do curso

Reinforcement Learning from Human Feedback (RLHF)

Ver curso

Instruções do exercício

  • Inicialize um objeto ActiveLearner.
  • Use LogisticRegression como o estimador.
  • Use uncertainty sampling como a estratégia de consulta.
  • Inicialize o learner com os dados de treino rotulados.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

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