Apprentissage actif

L’apprentissage actif est une approche d’apprentissage machine où le modèle sélectionne activement les exemples les plus informatifs à étiqueter parmi un ensemble de données non étiquetées. Cela permet d’améliorer l’efficacité de l’apprentissage en focalisant l’attention sur les échantillons les plus pertinents pour le modèle.

Exemple : Dans la classification d’images, un algorithme d’apprentissage actif peut sélectionner les images les plus ambiguës ou les plus difficiles à classifier pour être annotées par un humain, permettant ainsi d’améliorer les performances du modèle avec un minimum d’effort de supervision.

Retourner à l'index du lexique