Cos'è l'apprendimento attivo basato su stream?

L'apprendimento attivo basato su flusso è un approccio nell'apprendimento attivo in cui i dati arrivano al modello sotto forma di un flusso continuo, e il sistema decide in tempo reale quali esempi nuovi devono essere etichettati per l'addestramento.

A differenza dell'apprendimento attivo basato su pool classico, dove esiste un insieme fisso di dati non etichettati, l'apprendimento attivo basato su flusso lavora con l'arrivo sequenziale di dati e risorse limitate per l'etichettatura.

Principi fondamentali:

• Il modello valuta ogni nuovo esempio al suo arrivo.
• Seleziona solo quelli più informativi (ad esempio, con alta incertezza) per l'etichettatura.
• Permette di utilizzare in modo efficiente il budget limitato per l'etichettatura in condizioni di flusso continuo di dati.

Esempio: in un sistema di filtraggio spam, le nuove email arrivano continuamente, e il modello sceglie per la verifica manuale solo quelle su cui ha dubbi, per migliorare la qualità della classificazione.