Apprentissage actif

L'apprentissage actif est un paradigme d'apprentissage supervisé qui entraîne itérativement des prédicteurs et sélectionne des échantillons d'entraînement susceptibles d'améliorer la précision du modèle et d'optimiser les configurations, permettant ainsi d'obtenir de meilleures performances avec moins de données. Cette méthode présente une valeur d'application importante dans les situations où les coûts d'étiquetage des données sont élevés et les ressources limitées.