Kom igångKom igång gratis

Aktiv inlärningsloop

Nu när du har konfigurerat din aktiva inlärare är det dags att använda den! I den här övningen implementerar du en loop som kontinuerligt förbättrar kategoriseringen av datan.

Datamängden har laddats in med X_labeled för märkt träningsdata, X_unlabeled för omärkt träningsdata och y_labeled för etiketter.

Objektet learner har importerats i förväg.

Den här övningen är en del av kursen

Reinforcement Learning from Human Feedback (RLHF)

Visa kurs

Övningsinstruktioner

  • Implementera en loop som kör 10 frågor.
  • I varje iteration låter du inläraren träna sig själv på den aktuella märkta datan.
  • Använd inläraren för att hämta de mest osäkra datapunkterna från den omärkta datan och sätt antalet instanser till 5.
  • Uppdatera den omärkta datamängden därefter.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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)
Redigera och kör kod