액티브 러닝

アクティブラーニングは、予測モデルを反復的に訓練し、モデルの精度を向上させ、構成を最適化するために選択的なトレーニングサンプルを選定する教師あり学習のパラダイムです。この方法は、データのラベリングコストが高く、リソースが限られている状況において、少ないデータでより良い性能を達成するための重要な応用価値があります。