科研助理
acton的Python项目详细描述
acton是一个用于主动学习的模块化python库。 Acton 是澳大利亚国立大学所在地堪培拉的一个郊区 位于。
设置
使用pip3:
安装actonpip install git+https://github.com/chengsoonong/acton.git
这提供了对命令行工具acton以及 actonpython库。
acton cli
acton的命令行接口可以通过^{tt2}获得$ 命令。这需要一个包含特征和标签的数据集,并模拟 在数据集上进行主动学习实验。
输入
acton支持三种数据集格式:ascii、pandas和hdf5。ascii码 表可以是由astropy.io.ascii.read读取的任何文件,包括许多常见的 纯文本表格格式,如csv。如果将pandas表转储到 来自DataFrame.to_hdf的文件。hdf5表要么是带有数据集的hdf5文件 对于每个功能和标签的数据集,或具有一个 要素的多维数据集和标签的一个数据集。
输出
acton输出一个文件,其中包含模拟的每个历元的预测。 它们按照this notebook中的指定进行编码。
快速启动
你需要一个数据集。acton目前支持ascii表(任何可以由astropy.io.ascii.read
读取的表)、hdf5表和保存为hdf5的pandas表。Here’s a simple classification dataset你可以使用。
运行acton生成带有logistic回归的被动学习曲线:
acton --data classification.txt --label col20 --feature col10 --feature col11 -o passive.pb --recommender RandomRecommender --predictor LogisticRegression
此命令使用列col10和col11作为功能,使用col20作为标签、逻辑回归预测和随机建议。它将从输入数据中随机选择的测试数据点的所有预测输出到passive.pb
,然后可用于构造绘图。要使用不确定性采样输出主动学习曲线,请将RandomRecommender
更改为UncertaintyRecommender
。
要显示学习曲线,请使用Acton.plot
python3 -m acton.plot passive.pb
查看目录examples以获取更多示例。