Online Active Learning

Online Active Learning kombiniert zwei komplementäre Paradigmen: Es verarbeitet Daten als Strom (Online-Lernen) und fordert selektiv Labels nur für die informativsten Instanzen an (Active Learning). Das Ergebnis ist ein Modell, das sich kontinuierlich an neue Daten anpasst und gleichzeitig die Labeling-Kosten niedrig hält – nützlich, wann immer gelabelte Daten teuer sind und Beispiele sequenziell statt auf einmal eintreffen.