Aktif Öğrenme
Active Learning (Human-in-the-Loop) · Ayrıca şöyle bilinir: Query Learning, Optimal Experimental Design (ML context), Pool-Based Active Learning, Aktif Öğrenme
Aktif öğrenme, bir öğrenme algoritmasının en bilgilendirici etiketlenmemiş örnekler üzerinde seçici olarak bir oracle'dan (tipik olarak bir insan etiketleyici) etiketler sorguladığı iteratif bir makine öğrenimi paradigmasıdır. Burr Settles tarafından 2009 tarihli temel literatür taramasında biçimlendirilen aktif öğrenme, pasif denetimli öğrenmenin gerektirdiğinden çok daha az etiketlenmiş örnekle yüksek model doğruluğu elde ederek etiketleme maliyetinin pratik darboğazını ele alır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
+17 tane daha
Ne zaman kullanılır
Aktif öğrenme, etiketlenmemiş verinin bol olduğu ancak uzman etiketlemenin pahalı, yavaş veya kıt olduğu durumlarda en faydalıdır — tıbbi görüntüleme, yasal belge sınıflandırması, bilimsel veri kürasyonu ve doğal dil işlemede yaygındır. Oracle kullanılabilirliğini ve sorgu stratejisinin bilgilendirici örnekleri anlamlı bir şekilde tanımlayabileceğini varsayar. Etiketleme maliyetinin ihmal edilebilir olduğu, etiketlenmemiş havuzun küçük olduğu veya görev dağılımının sorgular arasında önemli ölçüde değiştiği durumlarda daha az uygundur. Alternatifler arasında yarı denetimli öğrenme (etiketler etkileşimli olarak elde edilemiyorsa) ve kendi kendine öğrenme (oracle sorguları uygulanamıyorsa) yer alır.
Güçlü yönler & sınırlılıklar
- Etiketleme maliyetini, etiketleme çabasını en bilgilendirici örneklere odaklayarak önemli ölçüde azaltır.
- Temel model mimarisini değiştirmeden herhangi bir denetimli öğreniciye — sınıflandırma, regresyon, yapılandırılmış tahmin — uygulanabilir.
- Teorik olarak temellendirilmiş: belirsizlik örneklemesi ve komite yoluyla sorgulama, PAC-öğrenme ve Bayesci gerekçelere sahiptir.
- Kitle kaynak iş akışları ve modern etiketleme platformlarıyla uyumludur.
- Sorgu stratejileri, etiketlenmiş kümenin gerçek veri dağılımının temsili olmamasına neden olan örnekleme yanlılığına neden olabilir.
- Performans kazanımları, göreve ve modele özgü olan sorgu stratejisinin seçimine büyük ölçüde bağlıdır.
- Her sorgudan sonra modeli yeniden eğitmek, büyük sinir ağları için hesaplama açısından pahalıdır.
- Oracle gürültüsü (etiketleyici anlaşmazlığı veya hataları), açıkça modellenmediği takdirde performansı düşürebilir.
SSS
Aktif öğrenme, yarı denetimli öğrenmeden nasıl farklıdır?
Yarı denetimli öğrenme, bir oracle'ı sorgulamadan etiketlenmemiş verinin yapısından (örneğin, kümeleme, manifold varsayımları) yararlanır, modeli sahte etiketler veya tutarlılık düzenlemesi kullanarak günceller. Aktif öğrenme, seçilen örnekler için açıkça bir oracle'dan gerçek etiketler ister. İki yaklaşım birbirini tamamlayıcıdır ve birleştirilebilir.
Uygulamada hangi sorgu stratejisini kullanmalıyım?
Belirsizlik örneklemesi en yaygın kullanılan temel yöntemdir ve ikili ve çok sınıflı sınıflandırıcılar için iyi çalışır. Bir topluluk zaten mevcut olduğunda komite yoluyla sorgulama tercih edilir. Beklenen model değişikliği veya BALD (Bayesci Aktif Öğrenme Anlaşmazlık Yoluyla) derin modeller için daha iyi performans gösterme eğilimindedir ancak hesaplama açısından daha ağırdır. Belirsizlik örneklemesi ile başlayın ve alternatiflere karşı kıyaslayın.
Aktif öğrenme regresyon görevlerine uygulanabilir mi?
Evet. Regresyon için, bilgilendiricilik tipik olarak sınıf olasılığı entropisi yerine tahminsel varyans (örneğin, bir Gauss süreci veya topluluktan) ile ölçülür. Öğrenici, varyansın en yüksek olduğu noktaları sorgular. Bu, Bayesci optimizasyon ve vekil model tabanlı deney tasarımında standart bir uygulamadır.
Kaynaklar
- Settles, B. (2009). Active learning literature survey. University of Wisconsin-Madison Computer Sciences Technical Report 1648. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Active Learning (Human-in-the-Loop). ScholarGate. https://scholargate.app/tr/machine-learning/active-learning
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Konformal TahminMakine öğrenmesi↔ karşılaştır
- Belirsizlik KuantifikasyonuSimülasyon↔ karşılaştır