Active Learning Boosting

Active Learning Boosting łączy pozyskiwanie etykiet sterowane zapytaniami z uczenia aktywnego z logiką zespołową ważonych modeli, taką jak AdaBoost. Model iteracyjnie wybiera najbardziej informatywne nieoznakowane przykłady do anotacji — kierując się niezgodnością lub niepewnością w obrębie zespołu boostingowego — i przetrenowuje się po każdym nowym etykiecie, osiągając wysoką dokładność przy znacznie mniejszej liczbie oznakowanych przykładów niż w uczeniu pasywnym.