ALiPy：Python中的主动学习工具箱
机器学习
2019-01-15 v1 机器学习
摘要
有监督机器学习方法通常需要大量标注样本用于模型训练。然而，在许多实际应用中，存在大量未标注数据但标注数据有限，且标签的获取成本高昂。主动学习(Active Learning, AL)通过迭代地选择最有价值的数据向标注者查询其标签来降低标注成本。本文介绍了一个用于主动学习的Python工具箱ALiPy。ALiPy提供了基于模块的主动学习框架实现，允许用户便捷地评估、比较和分析主动学习方法的性能。在该工具箱中，学习框架的每个组件都有多种选项可用，包括数据处理、主动选择、标签查询、结果可视化等。除了实现超过20种最先进(state-of-the-art, SOTA)的主动学习算法外，ALiPy还支持用户在不同主动学习设定下轻松配置并实现自己的方法，例如多标签数据的主动学习、带噪声标注者的主动学习、具有不同成本的主动学习等。该工具箱文档完备且在Github上开源，可通过PyPI轻松安装。
引用
@article{arxiv.1901.03802,
title = {ALiPy: Active Learning in Python},
author = {Ying-Peng Tang and Guo-Xiang Li and Sheng-Jun Huang},
journal= {arXiv preprint arXiv:1901.03802},
year = {2019}
}