เปรียบเทียบวิธี

	การเรียนรู้แบบกึ่งมีผู้สอนแบบเบย์ (Bayesian Semi-supervised Learning)	Bayesian Active Learning
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2003–2006	1992–2011
ผู้ริเริ่ม	Chapelle, Scholkopf & Zien; Zhu, Ghahramani & Lafferty	MacKay, D.J.C.; Houlsby, N. et al.
ประเภท	Probabilistic semi-supervised framework	Active learning with Bayesian uncertainty
แหล่งต้นตำรับ	Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9	Houlsby, N., Huszár, F., Ghahramani, Z., & Lengyel, M. (2011). Bayesian Active Learning for Classification and Preference Learning. arXiv preprint arXiv:1112.5745.
ชื่อเรียกอื่น	Bayesian SSL, probabilistic semi-supervised learning, generative semi-supervised model, Bayesian transductive learning	BAL, Bayesian optimal experimental design for ML, BALD (Bayesian Active Learning by Disagreement), probabilistic active learning
ที่เกี่ยวข้อง	6	6
สรุป	Bayesian semi-supervised learning is a probabilistic framework that uses both a small labeled dataset and a larger pool of unlabeled observations to infer model parameters and make predictions. By treating missing labels as latent variables and placing priors over parameters, it naturally quantifies uncertainty while leveraging unlabeled data to improve generalization.	Bayesian Active Learning (BAL) combines a probabilistic model with an active query strategy to identify the unlabeled examples that, once labeled, would most reduce model uncertainty. Instead of labeling data at random, BAL guides an oracle — typically a human annotator — toward the points where labeling will provide the greatest information gain, making it highly label-efficient.