L'apprentissage actif est un cas particulier d'apprentissage automatique dans lequel l'algorithme d'apprentissage peut interroger de manière interactive l'utilisateur (ou une autre source d'informations) pour étiqueter de nouveaux points de données avec la sortie souhaitée.. Dans l'apprentissage actif, l'algorithme sélectionne activement un sous-ensemble d'exemples dans le pool de données non étiquetées à étiqueter ensuite. La croyance fondamentale derrière le concept d’algorithmes d’apprentissage actif est qu’un algorithme d’apprentissage automatique peut potentiellement atteindre une plus grande précision en utilisant un plus petit nombre d’étiquettes d’entraînement s’il est autorisé à choisir les données à partir desquelles il souhaite apprendre.