Alipy工具包

主动学习是解决从少量标记样本学习问题的主要方法。它通过迭代地选择最有价值的数据，并向专家查询其标记来降低标记数据采集的成本。在过去的几十年里，大量的工作提出了各种各样的查询策略，以降低模型达到同等性能所需要的数据量，并在多个领域上验证了主动学习的有效性。尽管通过主动学习能够显著降低数据标注代价，然而该技术具有较高的使用门槛。ALiPy算法数据库提供了基于主动学习框架的各个模块的实现，它使用户可以方便地评估，比较和分析主动学习方法的性能。一方面，主动学习整个流程都得到了很好的实现。用户可以通过几行代码轻松进行实验，以完成从数据预处理到结果可视化的整个过程。此外，工具包中已经实现了20多种常用的主动学习方法，为用户提供了许多选择。另一方面，ALiPy支持用户高度自由地实现自己的主动学习方法。通过将主动学习过程分解为多个组件，并分别使用不同的模块来实现，ALiPy的模块耦合度得以保持在较低的水平，从而使用户可以自由配置和修改主动学习的任何部分。