เปรียบเทียบวิธี

	Gaussian Process แบบเรียนรู้เชิงรุก (Active Learning Gaussian Process)	Bayesian Gaussian Process
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1992	1978–2006
ผู้ริเริ่ม	MacKay, D. J. C.	O'Hagan, A.; Neal, R. M.; Rasmussen, C. E. & Williams, C. K. I.
ประเภท	Bayesian active learning	Probabilistic kernel model
แหล่งต้นตำรับ	MacKay, D. J. C. (1992). Information-based objective functions for active data selection. Neural Computation, 4(4), 590–604.	Rasmussen, C. E., & Williams, C. K. I. (2006). Gaussian Processes for Machine Learning. MIT Press. ISBN: 978-0-262-18253-9
ชื่อเรียกอื่น	GP active learning, Gaussian process active learning, GP-AL, Bayesian active learning with GP	GP regression, GPR, Gaussian process model, GP classifier
ที่เกี่ยวข้อง	4	3
สรุป	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.	A Bayesian Gaussian Process (GP) places a probability distribution directly over functions, using a kernel to encode similarity between inputs. After observing data, Bayes' rule converts this prior into a posterior that yields not just point predictions but calibrated uncertainty estimates at every new input — making it one of the most principled probabilistic models in machine learning.