เปรียบเทียบวิธี

	แบบจำลองส่วนผสมแบบเกาส์เซียน (Gaussian Mixture Model) แบบเรียนรู้เชิงรุก	Gaussian Process แบบเรียนรู้เชิงรุก (Active Learning Gaussian Process)
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2000s (combination)	1992
ผู้ริเริ่ม	Settles, B. (active learning framework); Dempster, Laird & Rubin (GMM via EM, 1977)	MacKay, D. J. C.
ประเภท	Active learning for probabilistic clustering / density estimation	Bayesian active learning
แหล่งต้นตำรับ	Zhu, X., Ghahramani, Z., & Lafferty, J. (2003). Semi-supervised learning using Gaussian fields and harmonic functions. Proceedings of the 20th International Conference on Machine Learning (ICML), 912–919.	MacKay, D. J. C. (1992). Information-based objective functions for active data selection. Neural Computation, 4(4), 590–604.
ชื่อเรียกอื่น	AL-GMM, active GMM, query-by-committee GMM, active density estimation	GP active learning, Gaussian process active learning, GP-AL, Bayesian active learning with GP
ที่เกี่ยวข้อง	4	4
สรุป	Active Learning Gaussian Mixture Model combines an iterative query strategy with a Gaussian Mixture Model learner. The algorithm selects the most informative unlabeled points — typically those with highest predictive uncertainty — presents them to an oracle for labeling, and refits the GMM using EM on the growing labeled set. The result is a density model that matches full-data quality while requiring far fewer labeled examples.	Active Learning Gaussian Process (GP-AL) combines a Gaussian process probabilistic model with an active learning query strategy, using the GP's posterior uncertainty to select the most informative unlabeled examples for labeling. This iterative approach minimizes labeling effort while maximizing predictive accuracy, making it ideal when labeled data is scarce or expensive to obtain.