Что такое pool-based active learning?

Pool-based active learning — это подход в активном обучении, где модель выбирает для разметки наиболее информативные примеры из большого пула неразмеченных данных.

Основная идея:

• Есть большой набор неразмеченных данных (пул).
• Модель обучается на текущем размеченном наборе.
• Затем она оценивает неразмеченные данные и выбирает те, которые, по её мнению, дадут максимальную пользу при разметке (например, с наибольшей неопределённостью).
• Эти выбранные примеры отправляются на разметку (например, эксперту).
• После разметки данные добавляются в обучающий набор, и цикл повторяется.

Такой подход позволяет эффективно использовать ресурсы разметки, сосредотачиваясь на самых полезных данных, что особенно важно при слабом надзоре (weak supervision) и ограниченных ресурсах.