เปรียบเทียบวิธี

	การเรียนรู้เชิงรุกแบบเพื่อนบ้านใกล้ที่สุด K ตัว	การเรียนรู้เชิงรุกด้วยโลจิสติกส์รีเกรสชัน
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1951–2010	1994–2010
ผู้ริเริ่ม	Settles, B. (active learning framework); Fix & Hodges (KNN base)	Lewis, D. D. & Gale, W. A.; Settles, B. (survey)
ประเภท	Active learning with KNN base learner	Active learning framework with logistic regression 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-LR, logistic regression active learner, uncertainty sampling logistic regression, pool-based active logistic classifier
ที่เกี่ยวข้อง	4	4
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 Logistic Regression is an iterative label-efficient framework in which a logistic regression model selects the unlabeled examples it is most uncertain about, an oracle (human annotator) labels them, and the model is retrained — repeating until a labeling budget or accuracy target is met. It dramatically reduces annotation cost compared to random labeling.