เปรียบเทียบวิธี

	การเรียนรู้เชิงรุกแบบซ้อนทับกลุ่มตัวแบบ	การจัดกลุ่มแบบกึ่งกำกับด้วยการซ้อนทับ
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1992–2012	2000s–2010s
ผู้ริเริ่ม	Wolpert, D. H. (stacking); Settles, B. (active learning survey)	Combines Wolpert (1992) stacking with semi-supervised learning principles
ประเภท	Hybrid (active learning + stacked ensemble)	Ensemble (stacked generalization with unlabeled data augmentation)
แหล่งต้นตำรับ	Wolpert, D. H. (1992). Stacked generalization. Neural Networks, 5(2), 241–259.	Wolpert, D. H. (1992). Stacked generalization. Neural Networks, 5(2), 241–259.
ชื่อเรียกอื่น	AL-stacking, query-by-committee stacking, active stacked generalization, stacking with active query	SSL stacking, semi-supervised stacked generalization, self-trained stacking, semi-supervised meta-learning ensemble
ที่เกี่ยวข้อง	5	5
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.	Semi-supervised Stacking Ensemble extends the classic stacked generalization framework to settings where only a fraction of training examples carry labels. Base learners are first trained on labeled data, then used to assign pseudo-labels to unlabeled examples; the expanded dataset trains stronger base models whose out-of-fold predictions form the input to a meta-learner, yielding a two-tier ensemble that exploits both labeled and unlabeled structure.