Apprentissage actif
L'apprentissage actif est un paradigme itératif d'apprentissage automatique dans lequel un algorithme d'apprentissage interroge sélectivement un oracle — généralement un annotateur humain — pour obtenir des étiquettes sur les exemples non étiquetés les plus informatifs. Formalisé par Burr Settles dans son article de synthèse séminal de 2009, l'apprentissage actif aborde le goulot d'étranglement pratique du coût d'annotation en atteignant une grande précision du modèle avec beaucoup moins d'exemples étiquetés que ne l'exige l'apprentissage supervisé passif.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
+18 more
Sources
- Settles, B. (2009). Active learning literature survey. University of Wisconsin-Madison Computer Sciences Technical Report 1648. link ↗
Comment citer cette page
ScholarGate. (2026, June 2). Active Learning (Human-in-the-Loop). ScholarGate. https://scholargate.app/fr/machine-learning/active-learning
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Prédiction conformeApprentissage automatique↔ compare
- Quantification de l'incertitudeSimulation↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →