Active learning 主动学习的来世今生

Active learning Survey
主动学习的来世今生

核心思想：主动学习可以基于较少的已标注的数据量得到同样好的模型准确率。

在几乎所有的机器学习问题中，虽然未标注数据很丰富且易于获得，但是标注数据却很少或者需要大量的人工标注（成本问题）。所以主动学习是解决问题的核心方法之一。

这篇文章提供了一个主动学习详细的介绍和相关文献的总结。主要包括解决方案，查询策略框架，主动学习的分析，设置变量的问题，实际问题考虑，相关研究领域。

reference：
Burr Settles. Active Learning Literature Survey. Computer Sciences Technical
Report 1648, University of Wisconsin–Madison. 2009.

————————————
1.1 主动学习
主动学习，又称查询学习，最优实验设计，是机器学习的一个子领域。关键的假设前提是算法可以选择一部分数据去学习。

流程如下：

active learning vs passive learning:

2 解决方案

在文献中有三种主要的设想：成员查询合成，基于流的选择性抽样，基于池的抽样

具体差别如下：