#39 · 主分类： 经典机器学习框架
modAL
active-learning
active-learning-module
bayesian-optimization
machine-learning
machine-learning-algorithms
machine-learning-api
machine-learning-library
python
scikit-learn
Python 的模块化主动学习框架
项目最后更新：02/26/24
GitHub Stars
2.4K
Forks数量
324
贡献者数量
21
许可证
MIT
收录理由
标注未标注数据往往是机器学习项目中最耗时、最花钱的环节。modAL 正是针对这一痛点设计的主动学习框架：你不必把全部数据都标注完，只需将一个 scikit-learn 分类器包进 ActiveLearner，它会自动挑出最值得人工标注的样本，用远少于常规的标注量就能达到目标精度。它的模块化做得非常彻底——查询策略、不确定性度量、底层估计器都可以随意替换，想写自己的策略也不过是写个小函数的事。除了分类，它还支持主动回归，比如引导高斯过程去探索不确定性较高的区域。对于瓶颈在人工标注的团队来说，这个干净的 API 能让你从实验快速过渡到可用的标注循环。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。