เปรียบเทียบวิธี

	การเรียนรู้เชิงรุกแบบเพื่อนบ้านใกล้ที่สุด K ตัว	Active Learning Decision Tree
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1951–2010	1984–2010
ผู้ริเริ่ม	Settles, B. (active learning framework); Fix & Hodges (KNN base)	Settles, B. (active learning framework); Breiman et al. (decision tree base)
ประเภท	Active learning with KNN base learner	Active learning with decision tree base learner
แหล่งต้นตำรับ	Settles, B. (2010). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin-Madison.	Settles, B. (2010). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin-Madison.
ชื่อเรียกอื่น	AL-KNN, active KNN, query-based nearest neighbor learning, uncertainty-sampling KNN	AL-DT, active decision tree, query-based decision tree learning, uncertainty-sampling decision tree
ที่เกี่ยวข้อง	4	5
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 with a decision tree combines the interpretable structure of a CART-style tree with a query strategy that selects the most informative unlabeled instances for human annotation. The model iteratively requests labels only for examples it is most uncertain about, minimising labeling cost while maximising classification accuracy on tabular data.