此页面尚未提供您所选语言的版本，当前显示英文版本。

Active Learning

Unsicherheits-Sampling nutzen, um die Annotation auf wertvolle Beispiele zu priorisieren.

Active Learning

Active Learning hilft Ihnen, intelligenter zu annotieren, indem die informativsten Beispiele priorisiert werden. Anstatt zufällig zu annotieren, konzentrieren Sie sich auf Instanzen, bei denen das Modell am unsichersten ist.

Funktionsweise

Potatos Active Learning ordnet Annotationsinstanzen automatisch auf Basis von Vorhersagen maschinellen Lernens neu:

Ersterfassung – Mindestanzahl an Annotationen sammeln
Training – Classifier auf vorhandenen Annotationen trainieren
Vorhersage – Unsicherheitswerte für noch nicht annotierte Instanzen ermitteln
Neuordnung – Instanzen mit höchster Unsicherheit priorisieren
Annotieren – Annotatoren beschriften die priorisierten Instanzen
Neu trainieren – Modell periodisch mit neuen Annotationen aktualisieren

Konfiguration

Grundeinrichtung

yaml

active_learning:
  enabled: true
  schema_names:
    - sentiment  # Which annotation schemes to use
 
  min_annotations_per_instance: 1
  min_instances_for_training: 20
  update_frequency: 50  # Retrain after every 50 annotations
  max_instances_to_reorder: 1000

Vollständige Konfiguration

yaml

active_learning:
  enabled: true
 
  # Which schemas to use for training
  schema_names:
    - sentiment
 
  # Minimum requirements
  min_annotations_per_instance: 1
  min_instances_for_training: 20
 
  # Retraining frequency
  update_frequency: 50
 
  # How many instances to reorder
  max_instances_to_reorder: 1000
 
  # Classifier configuration
  classifier:
    type: LogisticRegression
    params:
      C: 1.0
      max_iter: 1000
 
  # Feature extraction
  vectorizer:
    type: TfidfVectorizer
    params:
      max_features: 5000
      ngram_range: [1, 2]
 
  # Model persistence
  model_persistence:
    enabled: true
    save_dir: "models/"
    max_saved_models: 5

Unterstützte Classifier

Classifier	Geeignet für	Geschwindigkeit
`LogisticRegression`	Binäre/mehrklassige Klassifikation	Schnell
`RandomForestClassifier`	Komplexe Muster	Mittel
`SVC`	Kleine Datensätze	Langsam
`MultinomialNB`	Textklassifikation	Sehr schnell

Classifier-Beispiele

yaml

# Logistic Regression (recommended starting point)
classifier:
  type: LogisticRegression
  params:
    C: 1.0
    max_iter: 1000
 
# Random Forest
classifier:
  type: RandomForestClassifier
  params:
    n_estimators: 100
    max_depth: 10
 
# Support Vector Classifier
classifier:
  type: SVC
  params:
    kernel: rbf
    probability: true
 
# Naive Bayes
classifier:
  type: MultinomialNB
  params:
    alpha: 1.0

Vectorizer

Vectorizer	Beschreibung
`TfidfVectorizer`	TF-IDF-gewichtete Merkmale (empfohlen)
`CountVectorizer`	Einfache Wortzählungen
`HashingVectorizer`	Speichereffizient bei großem Vokabular

yaml

# TF-IDF (recommended)
vectorizer:
  type: TfidfVectorizer
  params:
    max_features: 5000
    ngram_range: [1, 2]
    stop_words: english
 
# Count Vectorizer
vectorizer:
  type: CountVectorizer
  params:
    max_features: 3000
    ngram_range: [1, 1]
 
# Hashing Vectorizer (for large datasets)
vectorizer:
  type: HashingVectorizer
  params:
    n_features: 10000

LLM-Integration

Active Learning kann optional LLMs für eine verbesserte Instanzauswahl nutzen:

yaml

active_learning:
  enabled: true
  schema_names:
    - sentiment
 
  # LLM-based selection
  llm_integration:
    enabled: true
    endpoint_type: vllm
    base_url: http://localhost:8000/v1
    model: meta-llama/Llama-2-7b-chat-hf
 
    # Mock mode for testing
    mock_mode: false

Multi-Schema-Unterstützung

Active Learning kann mehrere Annotationsschemata durchlaufen:

yaml

annotation_schemes:
  - annotation_type: radio
    name: sentiment
    labels: [Positive, Negative, Neutral]
 
  - annotation_type: radio
    name: topic
    labels: [Politics, Sports, Tech, Entertainment]
 
active_learning:
  enabled: true
  schema_names:
    - sentiment
    - topic
 
  # Schema-specific settings
  schema_config:
    sentiment:
      min_instances_for_training: 30
      update_frequency: 50
    topic:
      min_instances_for_training: 50
      update_frequency: 100

Modellpersistenz

Trainierte Modelle über Serverneustarts hinweg speichern und neu laden:

yaml

active_learning:
  enabled: true
  schema_names:
    - sentiment
 
  model_persistence:
    enabled: true
    save_dir: "models/"
    max_saved_models: 5  # Keep last 5 models
 
    # Save to database instead of files
    use_database: false

Fortschritt überwachen

Das Admin-Dashboard verfolgt Active-Learning-Metriken:

Aktuelle Modellgenauigkeit
Anzahl der Trainingszyklen
Unsicherheitsverteilung
Verbleibende Instanzen
Verlauf der Neutraining-Durchläufe

Zugriff über /admin mit Ihrem Admin-API-Key.

Bewährte Vorgehensweisen

1. Mit zufälligem Sampling beginnen

Erste Annotationen sammeln, bevor Active Learning aktiviert wird:

yaml

active_learning:
  enabled: true
  min_instances_for_training: 50  # Wait for 50 annotations

2. Passende Classifier wählen

LogisticRegression: Schnell, guter Standard für die meisten Aufgaben
RandomForest: Besser für komplexe Muster, langsamer
MultinomialNB: Sehr schnell, gut für einfache Textklassifikation

3. Klassenverteilung überwachen

Active Learning kann Klassenungleichgewichte erzeugen. Überwachen Sie dies im Admin-Dashboard und erwägen Sie stratifiziertes Sampling.

4. Vernünftige Neutrainings-Häufigkeit festlegen

Zu häufiges Neutraining verschwendet Ressourcen:

yaml

update_frequency: 100  # Retrain every 100 annotations

5. Modellpersistenz aktivieren

Modelle speichern, um beim Neustart nicht von vorne beginnen zu müssen:

yaml

model_persistence:
  enabled: true
  save_dir: "models/"

Beispiel: Vollständige Konfiguration

yaml

task_name: "Sentiment Analysis with Active Learning"
task_dir: "."
port: 8000
 
data_files:
  - "data/reviews.json"
 
item_properties:
  id_key: id
  text_key: text
 
annotation_schemes:
  - annotation_type: radio
    name: sentiment
    description: "What is the sentiment?"
    labels:
      - Positive
      - Negative
      - Neutral
 
active_learning:
  enabled: true
  schema_names:
    - sentiment
 
  min_annotations_per_instance: 1
  min_instances_for_training: 30
  update_frequency: 50
  max_instances_to_reorder: 500
 
  classifier:
    type: LogisticRegression
    params:
      C: 1.0
      max_iter: 1000
 
  vectorizer:
    type: TfidfVectorizer
    params:
      max_features: 3000
      ngram_range: [1, 2]
 
  model_persistence:
    enabled: true
    save_dir: "models/"
    max_saved_models: 3
 
output_annotation_dir: "output/"
output_annotation_format: "json"
allow_all_users: true

Kombination mit AI-Unterstützung

Active Learning und LLM-Unterstützung gemeinsam nutzen:

yaml

active_learning:
  enabled: true
  schema_names:
    - sentiment
  min_instances_for_training: 30
 
ai_support:
  enabled: true
  endpoint_type: openai
 
  ai_config:
    model: gpt-4
    api_key: ${OPENAI_API_KEY}
 
  features:
    label_suggestions:
      enabled: true

Diese Kombination priorisiert unsichere Instanzen und gibt gleichzeitig KI-Hinweise für Annotatoren.

Fehlerbehebung

Trainingsfehler

Ausreichende Annotationen sicherstellen (min_instances_for_training)
Klassenverteilung prüfen – Beispiele aller Klassen werden benötigt
Datenformat auf Übereinstimmung mit dem Schema überprüfen

Langsame Leistung

max_instances_to_reorder reduzieren
update_frequency erhöhen
HashingVectorizer für große Vokabulare verwenden

Modell wird nicht aktualisiert

update_frequency-Einstellung prüfen
Sicherstellen, dass Annotationen gespeichert werden
Admin-Dashboard auf Fehler überprüfen

Weiterführende Informationen

AI-Unterstützung – LLM-gestützte Annotation
Aufgabenzuweisung – Zuweisungsstrategien
Admin-Dashboard – Active-Learning-Metriken überwachen

Implementierungsdetails finden Sie in der Quelldokumentation.