使用Alp-主动学习python框架
我正在从事一个使用主动学习的机器学习研究项目。我正在尝试使用alp，它提供了主流主动学习技术的实现。
但是，我对所提供的示例感到有些困惑。第一个示例是这样的：
from active_learning.active_learning import ActiveLearner
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.datasets import make_classification
X, X_unlabeled, y, y_oracle = train_test_split(*make_classification())
clf = LogisticRegression().fit(X, y)
AL = ActiveLearner(strategy='entropy')
AL.rank(clf, X_unlabeled, num_queries=5)
而且我不确定X，X_unlabeled，y和y_oracle中应该包含哪些数据。应该：
X包含所有未标记的数据，或者包含已标记和未标记的数据。 “ y”是一个空列表或包含训练数据的标签。 y_oracle 只包含训练数据的标签
展开
收起
1
条回答
写回答
写回答
-
>>> help(make_classification) make_classification(n_samples=100, n_features=20, n_informative=2, n_redundant=2, n_repeated=0, n_classes=2, n_clusters_per_class=2, weights=None, flip_y=0.01, class_sep=1.0, hypercube=True, shift=0.0, scale=1.0, shuffle=True, random_state=None) Generate a random n-class classification problem. This initially creates clusters of points normally distributed (std=1) about vertices of a `2 * class_sep`-sided hypercube, and assigns an equal number of clusters to each class. It introduces interdependence between these features and adds various types of further noise to the data.大胆强调我的。该函数基本上会生成虚拟数据供您使用。此外，按照help，返回值为：
Returns ------- X : array of shape [n_samples, n_features] The generated samples. y : array of shape [n_samples] The integer labels for class membership of each sample.样本和标签，然后传递给train_test_split它们，然后随机播放并返回训练和测试数据。
2020-02-22 15:28:30赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
问答排行榜
最热
最新
推荐问答
相关文章
相关电子书
更多
