Wat is stream-gebaseerd actief leren?

Stream-gebaseerd actief leren is een aanpak binnen actief leren waarbij gegevens in een continue stroom naar het model worden gestuurd, en het systeem in realtime beslist welke nieuwe voorbeelden gelabeld moeten worden voor training.

In tegenstelling tot klassiek pool-based actief leren, waar een vaste set niet-gelabelde gegevens is, werkt stream-gebaseerd actief leren met sequentiële gegevensstroom en beperkte middelen voor labeling.

Belangrijke principes:

• Het model evalueert elk nieuw voorbeeld zodra het binnenkomt.
• Het selecteert alleen de meest informatieve voorbeelden (bijvoorbeeld met hoge onzekerheid) voor labeling.
• Het maakt efficiënt gebruik van het beperkte budget voor labeling onder continue gegevensstroomomstandigheden.

Voorbeeld: in een spamfilteringssysteem komen voortdurend nieuwe e-mails binnen, en het model kiest alleen die waarvan het twijfelt voor handmatige controle, om de classificatiekwaliteit te verbeteren.