#python #nlp #labeling #snorkel #semisupervised-learning
#python #nlp #маркировка #snorkel #обучение под руководством преподавателя
Вопрос:
Я использую snorkel для создания меток для своих обучающих данных. В настоящее время у меня есть пять функций маркировки для задачи, которые я сохранил в списке. Я использую следующий код для применения функции маркировки:
lfs = [lf_a, lf_b, lf_c, lf_d, lf_e]
applier = PandasLFApplier(lfs)
L_train = applier.apply(df_data_sample)
# Train the label model and compute the training labels
label_model = LabelModel(cardinality=2, verbose=True)
label_model.fit(L_train, n_epochs=500, log_freq=50, seed=123)
переходя к задаче, я хочу придать больший вес функции маркировки lf_e, поскольку мое тестирование показывает, что она имеет более высокую точность, чем другие. Невозможность сделать это приводит к тому, что выходные данные из других lfs доминируют над выводом из lf_e. И я также не хочу удалять какие-либо функции, поскольку я уменьшаю свой охват, если я это сделаю.
Есть ли способ сделать это в Snorkel?