เปรียบเทียบวิธี

	การเรียนรู้เชิงรุกแบบเพื่อนบ้านใกล้ที่สุด K ตัว	การจำแนกประเภทแบบเพื่อนบ้านใกล้เคียง K แบบกึ่งมีผู้สอน
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1951–2010	2002 (semi-supervised extension); 1967 (KNN base)
ผู้ริเริ่ม	Settles, B. (active learning framework); Fix & Hodges (KNN base)	Zhu, X. & Ghahramani, Z. (label propagation); Cover, T. & Hart, P. (KNN base)
ประเภท	Active learning with KNN base learner	Semi-supervised classifier / label propagation
แหล่งต้นตำรับ	Settles, B. (2010). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin-Madison.	Zhu, X. & Ghahramani, Z. (2002). Learning from labeled and unlabeled data with label propagation. Technical Report CMU-CALD-02-107, Carnegie Mellon University.
ชื่อเรียกอื่น	AL-KNN, active KNN, query-based nearest neighbor learning, uncertainty-sampling KNN	SS-KNN, semi-supervised KNN, KNN label propagation, graph-based semi-supervised KNN
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.	Semi-supervised KNN extends the classic K-nearest neighbors algorithm to exploit large pools of unlabeled data alongside a small labeled set. By building a KNN graph over all observations and propagating known labels through the graph's edges, the method infers labels for unlabeled points without requiring expensive manual annotation of every sample.