这是名为 Active Learning 的 Windows 应用，其最新版本可以下载为 active-learningsourcecode.tar.gz。它可以在免费的工作站托管服务提供商 OnWorks 上在线运行。
免费下载并在线运行这个名为 Active Learning with OnWorks 的应用程序。
请按照以下说明运行此应用程序：
- 1. 在您的 PC 中下载此应用程序。
- 2. 在我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX 中输入您想要的用户名。
- 3. 在这样的文件管理器中上传这个应用程序。
- 4. 从本网站启动任何 OS OnWorks 在线模拟器，但更好的 Windows 在线模拟器。
- 5. 从您刚刚启动的 OnWorks Windows 操作系统，使用您想要的用户名转到我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX。
- 6. 下载应用程序并安装。
- 7. 从您的 Linux 发行版软件存储库下载 Wine。 安装后，您可以双击该应用程序以使用 Wine 运行它们。 您还可以尝试 PlayOnLinux，这是 Wine 上的一个花哨界面，可帮助您安装流行的 Windows 程序和游戏。
Wine 是一种在 Linux 上运行 Windows 软件的方法，但不需要 Windows。 Wine 是一个开源的 Windows 兼容层，可以直接在任何 Linux 桌面上运行 Windows 程序。 本质上，Wine 试图从头开始重新实现足够多的 Windows，以便它可以运行所有这些 Windows 应用程序，而实际上不需要 Windows。
主动学习
描述：
Active Learning 是由 Google 开发的基于 Python 的研究框架，用于实验和基准测试各种主动学习算法。它提供了模块化工具，用于跨不同数据集、采样策略和机器学习模型运行可重复的实验。该系统允许研究人员研究模型如何通过选择性地查询最具信息量的数据点（而非依赖于均匀采样的训练集）来提高标记效率。主实验运行器 (run_experiment.py) 支持多种配置，包括批次大小、数据集子集、模型选择和数据预处理选项。它包含多种成熟的主动学习策略，例如不确定性采样、k 中心贪婪选择和基于 bandit 的方法，同时还允许自定义算法实现。该框架可与经典机器学习模型（SVM、逻辑回归）和神经网络集成。
功能
- 主动学习研究的模块化实验框架
- 支持多种数据集和模型，包括 SVM、逻辑回归和 CNN
- 实施各种主动学习策略，例如边际抽样和 k 中心贪婪
- 允许灵活配置批量大小、热启动率和噪声控制等参数
- 通过可扩展的 API 轻松集成新模型和采样方法
- 提供全面的基准测试和分析工具，用于实验比较
程式语言
Python
分类
此应用程序也可从 https://sourceforge.net/projects/active-learning.mirror/ 获取。它已托管在 OnWorks 中，以便通过我们的免费操作系统之一以最便捷的方式在线运行。