เปรียบเทียบวิธี

	การเรียนรู้เชิงรุกแบบเพื่อนบ้านใกล้ที่สุด K ตัว	Active Learning
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1951–2010	2009
ผู้ริเริ่ม	Settles, B. (active learning framework); Fix & Hodges (KNN base)	Burr Settles
ประเภท	Active learning with KNN base learner	Interactive supervised learning framework
แหล่งต้นตำรับ	Settles, B. (2010). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin-Madison.	Settles, B. (2009). Active learning literature survey. University of Wisconsin-Madison Computer Sciences Technical Report 1648.
ชื่อเรียกอื่น	AL-KNN, active KNN, query-based nearest neighbor learning, uncertainty-sampling KNN	Query Learning, Optimal Experimental Design (ML context), Pool-Based Active Learning, Aktif Öğrenme
ที่เกี่ยวข้อง	4	2
สรุป	Active learning with K-nearest neighbors combines the instance-based prediction of KNN with an iterative query strategy that selects the most informative unlabeled examples for annotation. The model requests labels only for instances where neighborhood vote margins are narrowest, achieving competitive accuracy with far fewer labeled examples than fully supervised KNN on tabular data.	Active learning is an iterative machine-learning paradigm in which a learning algorithm selectively queries an oracle — typically a human annotator — for labels on the most informative unlabeled examples. Formalized by Burr Settles in his seminal 2009 literature survey, active learning addresses the practical bottleneck of annotation cost by achieving high model accuracy with far fewer labeled examples than passive supervised learning requires.