Active Learning
Active learning เป็นกระบวนทัศน์การเรียนรู้ของเครื่องแบบวนซ้ำ (iterative machine-learning paradigm) ซึ่งอัลกอริทึมการเรียนรู้จะเลือกสอบถามผู้ให้ข้อมูล (oracle) — โดยทั่วไปคือผู้วิเคราะห์ข้อมูลที่เป็นมนุษย์ — เพื่อขอป้ายกำกับ (label) สำหรับตัวอย่างที่ไม่มีป้ายกำกับซึ่งให้ข้อมูลมากที่สุด (most informative unlabeled examples) การเรียนรู้แบบนี้ถูกทำให้เป็นรูปธรรมโดย Burr Settles ในงานสำรวจวรรณกรรมที่เป็นรากฐานในปี 2009 การเรียนรู้แบบแอคทีฟจะช่วยแก้ปัญหาคอขวดในทางปฏิบัติของต้นทุนการติดป้ายกำกับ (annotation cost) โดยการบรรลุความแม่นยำของแบบจำลอง (model accuracy) สูงสุดด้วยตัวอย่างที่มีป้ายกำกับน้อยกว่าที่การเรียนรู้แบบมีผู้สอนแบบพาสซีฟ (passive supervised learning) ต้องการอย่างมาก
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+18 more
แหล่งอ้างอิง
- Settles, B. (2009). Active learning literature survey. University of Wisconsin-Madison Computer Sciences Technical Report 1648. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 2). Active Learning (Human-in-the-Loop). ScholarGate. https://scholargate.app/th/machine-learning/active-learning
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Conformal Predictionการเรียนรู้ของเครื่อง↔ compare
- การวัดปริมาณความไม่แน่นอนการจำลอง↔ compare