Active Learning Stacking Ensemble

Active Learning Stacking Ensemble kombinerer en aktiv læringsforespørgselsløkke med stablet generalisering: en pulje af umærkede data er tilgængelig, og modellen vælger iterativt de mest informative instanser til menneskelig mærkning, idet disse mærkater bruges til at træne og forfine et stablet ensemble af flere basemodeller toppet af en metamodel. Denne tilgang reducerer annoteringsomkostninger, mens den maksimerer ensemblets prædiktive kraft.