これはActive LearningというWindowsアプリで、最新リリースはactive-learningsourcecode.tar.gzとしてダウンロードできます。ワークステーション向けの無料ホスティングプロバイダーであるOnWorksでオンラインで実行できます。
Active Learning with OnWorks というアプリを無料でダウンロードしてオンラインで実行します。
このアプリを実行するには、次の手順に従ってください。
-1。このアプリケーションをPCにダウンロードしました。
--2。ファイルマネージャーhttps://www.onworks.net/myfiles.php?username=XXXXXに必要なユーザー名を入力します。
-3。このアプリケーションをそのようなファイルマネージャにアップロードします。
-4。このWebサイトからOSOnWorksオンラインエミュレーターを起動しますが、Windowsオンラインエミュレーターの方が優れています。
-5。起動したばかりのOnWorksWindows OSから、必要なユーザー名でファイルマネージャーhttps://www.onworks.net/myfiles.php?username=XXXXXにアクセスします。
-6。アプリケーションをダウンロードしてインストールします。
-7.LinuxディストリビューションソフトウェアリポジトリからWineをダウンロードします。 インストールしたら、アプリをダブルクリックして、Wineで実行できます。 また、人気のあるWindowsプログラムやゲームのインストールに役立つWine上の豪華なインターフェイスであるPlayOnLinuxを試すこともできます。
WineはLinux上でWindowsソフトウェアを実行する方法ですが、Windowsは必要ありません。 Wineは、任意のLinuxデスクトップでWindowsプログラムを直接実行できるオープンソースのWindows互換性レイヤーです。 基本的に、Wineは、実際にWindowsを必要とせずに、これらすべてのWindowsアプリケーションを実行できるように、十分な数のWindowsを最初から再実装しようとしています。
能動的学習
説明：
Active Learningは、Googleが様々な能動学習アルゴリズムの実験とベンチマークのために開発したPythonベースの研究フレームワークです。様々なデータセット、サンプリング戦略、機械学習モデルにわたって再現可能な実験を実行するためのモジュール式ツールを提供します。このシステムにより、研究者は均一にサンプリングされたトレーニングセットに頼るのではなく、最も有益なデータポイントを選択的にクエリすることで、モデルがラベル付けの効率をどのように向上できるかを研究できます。メインの実験ランナー（run_experiment.py）は、バッチサイズ、データセットのサブセット、モデル選択、データ前処理オプションなど、幅広い構成をサポートしています。不確実性サンプリング、k中心貪欲選択、バンディットベースの手法など、確立された能動学習戦略がいくつか含まれているだけでなく、カスタムアルゴリズムの実装も可能です。このフレームワークは、従来の機械学習モデル（SVM、ロジスティック回帰）とニューラルネットワークの両方と統合できます。
オプション
- アクティブラーニング研究のためのモジュール式実験フレームワーク
- SVM、ロジスティック回帰、CNN を含む複数のデータセットとモデルをサポートします。
- マージンサンプリングやk中心貪欲法などのさまざまな能動学習戦略を実装します。
- バッチサイズ、ウォームスタート比、ノイズ制御などのパラメータを柔軟に設定できます。
- 拡張可能なAPIを通じて新しいモデルやサンプリング方法を簡単に統合
- 実験比較のための包括的なベンチマークおよび分析ツールを提供します
プログラミング言語
Python
カテゴリー
このアプリケーションは、https://sourceforge.net/projects/active-learning.mirror/ からも入手できます。OnWorks でホストされているため、無料のオペレーティングシステムから最も簡単にオンラインで実行できます。