南京航空航天大學開源ALiPy：用於主動學習的Python工具包

機器之心報道

機器之心編輯部

參與：路

近日，來自南京航空航天大學的研究者提出並開源了一個用於主動學習的Python工具包 ALiPy。它不僅提供 20 余種當前最優演算法的實現，還支持用戶在不同主動學習環境下輕鬆配置和實現自己的演算法。

論文鏈接：https://arxiv.org/pdf/1901.03802.pdf

ALiPy 官網地址：http://parnec.nuaa.edu.cn/huangsj/alipy/index.html

簡介

ALiPy 可為主動學習框架提供基於模塊的實現，允許用戶便捷地評估、對比和分析主動學習方法的性能。它可實現超過 20 種演算法，還支持用戶在不同的設置下輕鬆實現自己的方法。

特徵

模型獨立

不限制分類模型的類型。用戶可以按需求在 sklearn 中使用SVM，或者在 TensorFlow 中使用深度模型。

模塊獨立

用戶可隨意修改工具包中的一或多個模塊，對其他模塊不會產生影響。

無需繼承即可實現自己的演算法

對用戶自定義函數限制極少。

支持不同設置

支持 Noisy oracles、Multi-label、Cost effective、Feature querying 等設置。

強大的工具

保存和載入中間結果、多線程、分析實驗結果等。

快速啟動

用戶可以通過以下命令啟動 ALiPy：

詳細安裝指南，參見 http://parnec.nuaa.edu.cn/huangsj/alipy/installation.html。

對於不太熟悉主動學習、只是想對數據集應用該方法的用戶，請查看 http://parnec.nuaa.edu.cn/huangsj/alipy/page_adv/encapsulation_alexperiment.html，即可使用幾行代碼運行主動學習流程，無需了解任何背景知識。

對於想要對現有主動學習方法進行實驗評估的用戶，請查看 http://parnec.nuaa.edu.cn/huangsj/alipy/alipy_overview.html，了解 7 種不同設置下的 20 余種當前最優演算法。

對於想要實現自己的演算法、執行主動學習實驗的用戶，請查看 http://parnec.nuaa.edu.cn/huangsj/alipy/10_mins_to_alipy.html，學習如何使用 ALiPy 輕鬆實施主動學習實驗。

實現策略

ALiPy 目前提供不同主動學習設置下的多種常見策略，新演算法將會在後續更新中逐步添加。

如上圖所示，ALiPy 提供的 20 多種演算法涉及實例選擇、多標籤數據、特徵查詢等不同設置。ALiPy 官網上還展示了 ALiPy 在實例查詢等設置下的運行機制。如下所示：

實例查詢

Noisy Oracles

不同成本數據集

特徵查詢

本文為機器之心報道，轉載請聯繫本公眾號獲得授權。

------------------------------------------------

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！