Repolode
提交项目
codelion

codelion/adaptive-classifier

可持续学习、可动态增加类别的 Python 文本分类库，支持置信度校准与分布外检测。

在 GitHub 查看
Star
577
Fork
43
未关闭 Issue
2
最近提交
5天前

这是什么？

Adaptive Classifier 是一个基于 PyTorch 和 HuggingFace Transformers 的文本分类库。每个类别用 FAISS 存储的原型向量表示，并与一个可训练的小型神经网络头结合产生预测。无需重新训练整个模型，即可在运行时添加新样本或新类别，也能随时删除错误样本或整个类别。

在工程层面，它还提供置信度校准、带覆盖率目标的预测集合、低置信度或分布外输入的弃权判断、为人工标注挑选待标注文本，以及对线上流量的漂移检测。模型可保存到本地或推送到 HuggingFace Hub，并支持导出 ONNX 以加快 CPU 推理。

项目同时包含多标签分类器、兼容 scikit-learn 接口的估计器和 HTTP 服务模块，并提供一个实验性的策略分类模式，用基于成本的对抗操纵模型对预测进行混合。

核心功能

  • 01无需重新训练整个模型即可运行时新增类别和样本
  • 02训练后可删除错误样本或整个类别
  • 03校准置信度，并按目标覆盖率返回预测集合
  • 04检测分布外输入，并可选择弃权
  • 05推荐适合人工标注的文本，并报告数据漂移
  • 06支持导出 ONNX 以加快 CPU 推理，并提供 HTTP 服务

适用场景

  • 对随时间变化的支持工单或邮件进行分类
  • 标签频繁新增、重新训练成本高的内容分类
  • 结合 scikit-learn Pipeline 与交叉验证构建文本分类器
  • 根据预测的复杂度将 LLM 查询路由到不同模型

快速上手

  1. 1

    从 PyPI 安装该库

    pip install adaptive-classifier
  2. 2

    导入分类器并使用 HuggingFace 模型初始化

  3. 3

    添加带标签的训练样本

  4. 4

    对新文本调用 predict 获取各类别置信度

使用前须知

  • 预测效果取决于所选的 HuggingFace 编码器，且 README 示例需要下载较大的 Transformer 模型。

收录于专题

自然语言处理工具与库

标签

#text-classification#continuous-learning#transformers#pytorch#faiss#onnx#online-learning#nlp#adaptive-learning#adaptive-neural-network

常见问题

adaptive-classifier 是什么？
可持续学习、可动态增加类别的 Python 文本分类库，支持置信度校准与分布外检测。 Adaptive Classifier 是一个基于 PyTorch 和 HuggingFace Transformers 的文本分类库。每个类别用 FAISS 存储的原型向量表示，并与一个可训练的小型神经网络头结合产生预测。无需重新训练整个模型，即可在运行时添加新样本或新类别，也能随时删除错误样本或整个类别。
adaptive-classifier 可以免费使用吗？用的什么许可证？
adaptive-classifier 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。
adaptive-classifier 还在维护吗？
活跃维护中。adaptive-classifier 最近一次提交是在 2026年11月2日。
adaptive-classifier 适合用来做什么？
对随时间变化的支持工单或邮件进行分类 标签频繁新增、重新训练成本高的内容分类 结合 scikit-learn Pipeline 与交叉验证构建文本分类器 根据预测的复杂度将 LLM 查询路由到不同模型
adaptive-classifier 怎么安装和运行？
从 PyPI 安装该库: pip install adaptive-classifier 导入分类器并使用 HuggingFace 模型初始化 添加带标签的训练样本 对新文本调用 predict 获取各类别置信度
在哪里获取 adaptive-classifier？
源代码和安装说明在 GitHub 上：https://github.com/codelion/adaptive-classifier

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。

相关项目