เปรียบเทียบวิธี

	การเรียนรู้เชิงรุกแบบซ้อนทับกลุ่มตัวแบบ	Active Learning
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1992–2012	2009
ผู้ริเริ่ม	Wolpert, D. H. (stacking); Settles, B. (active learning survey)	Burr Settles
ประเภท	Hybrid (active learning + stacked ensemble)	Interactive supervised learning framework
แหล่งต้นตำรับ	Wolpert, D. H. (1992). Stacked generalization. Neural Networks, 5(2), 241–259.	Settles, B. (2009). Active learning literature survey. University of Wisconsin-Madison Computer Sciences Technical Report 1648.
ชื่อเรียกอื่น	AL-stacking, query-by-committee stacking, active stacked generalization, stacking with active query	Query Learning, Optimal Experimental Design (ML context), Pool-Based Active Learning, Aktif Öğrenme
ที่เกี่ยวข้อง	5	2
สรุป	Active Learning Stacking Ensemble combines an active learning query loop with stacked generalization: a pool of unlabeled data is available, and the model iteratively selects the most informative instances for human labeling, using those labels to train and refine a stacking ensemble of multiple base learners topped by a meta-learner. This approach reduces annotation cost while maximizing the predictive power of the ensemble.	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.