Czym jest aktywne uczenie się?

Uczenie aktywne to podejście w uczeniu maszynowym, w którym algorytm sam wybiera najbardziej informatywne przykłady do oznaczania i uczenia się. Zamiast uczyć się na dużej ilości losowo oznaczonych danych, model żąda oznaczenia tylko tych danych, które pomogą mu się maksymalnie poprawić.

Jest to szczególnie przydatne, gdy oznaczanie danych jest kosztowne lub pracochłonne. Aktywny algorytm wybiera przykłady z największą niepewnością lub te, które znajdują się na granicy podejmowania decyzji.

Przykład: w zadaniu klasyfikacji model może wybierać do oznaczenia te obiekty, co do których ma najmniejsze zaufanie, tym samym szybciej podnosząc jakość.

Uczenie aktywne jest ściśle powiązane z słabym nadzorem, gdzie używa się słabych lub niepełnych źródeł oznaczeń do trenowania modeli.