เปรียบเทียบวิธี

	Active Learning Boosting	การเรียนรู้เชิงรุกเครื่องเวกเตอร์สนับสนุน
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1998	2001
ผู้ริเริ่ม	Abe, N. & Mamitsuka, H.	Tong, S. & Koller, D.
ประเภท	Hybrid active-learning ensemble	Active learning + kernel classifier
แหล่งต้นตำรับ	Abe, N. & Mamitsuka, H. (1998). Query Learning Strategies Using Boosting and Bagging. Proceedings of the 15th International Conference on Machine Learning (ICML 1998), pp. 1–9. Morgan Kaufmann.	Tong, S., & Koller, D. (2001). Support Vector Machine Active Learning with Applications to Text Classification. Journal of Machine Learning Research, 2, 45–66.
ชื่อเรียกอื่น	boosting-based active learning, query learning with boosting, active boosting, ensemble active learning	Active SVM, AL-SVM, SVM active learning, query-by-committee SVM
ที่เกี่ยวข้อง	4	3
สรุป	Active Learning Boosting combines the query-driven label acquisition of active learning with the weighted-ensemble logic of boosting algorithms such as AdaBoost. The model iteratively selects the most informative unlabeled examples to annotate — guided by the disagreement or uncertainty within the boosting ensemble — and retrains after each new label, achieving high accuracy with far fewer labeled examples than passive learning.	Active learning SVM combines the strong decision-boundary of support vector machines with an intelligent query strategy that selects the most informative unlabeled instances for human annotation. Introduced by Tong and Koller in 2001, it achieves high classification accuracy using far fewer labeled examples than passive supervised learning, making it practical whenever labeling is expensive or slow.