18、高级主动学习策略及实现

高级主动学习策略及实现

在主动学习领域，为了更高效地选择样本以提升模型性能，有多种策略和方法可供选择。下面将详细介绍一些高级主动学习策略及其实现方式。

1. 结合不确定性采样和多样性采样

在聚类中计算每个项目的平均不确定性（使用熵），示例代码如下：

score = method(prob_dist.data[0]) # get the specific type of 
# ➥ uncertainty sampling
total_uncertainty += score
count += 1
average_uncertainty = total_uncertainty / count   
if average_uncertainty > highest_average_uncertainty:
    highest_average_uncertainty = average_uncertainty
    most_uncertain_cluster = cluster
samples = most_uncertain_cluster.get_random_members(number)
return samples

你可以根据采样策略尝试不同的聚合统计方法。例如，如果你只对前100个项目进行采样，可以计算每个聚类中最不确定的100个项目的平均熵，而不是整个聚类中每个项目的平均熵。可以使用以下命令尝试此技术：

python active_learning.py --high_uncertai