Apprentissage actif

L'apprentissage actif est un paradigme d'apprentissage supervisé qui entraîne itérativement des prédicteurs et sélectionne les échantillons d'entraînement les plus informatifs pour optimiser le modèle. Cela permet d'atteindre de meilleures performances du modèle et une précision de prédiction supérieure avec moins de données, améliorant ainsi l'efficacité de la découverte de configurations et la capacité de généralisation du modèle.