Active Learning

Lad din træningsstrategi fokusere der, hvor modellen lærer mest

Hvad er Active Learning?

Active Learning er en tilgang inden for maskinlæring (machine learning), hvor man løbende vælger de datapunkter, som vil være mest informative for modellen. Det sker typisk ved hjælp af en separat, deterministisk strategi, der estimerer modellens usikkerhed og udpeger, hvilke data der skal annoteres næste gang.

Det gør det muligt at opnå høj præcision med færre labels – især i situationer, hvor data er rigelige, men mærkning er dyrt eller tidskrævende.

Hvorfor er Active Learning relevant?

Active Learning bruges ofte i classification, hvor det giver mening kun at annotere de eksempler, modellen er mest i tvivl om. Det er en metode, vi anbefaler, når vi udvikler AI-løsninger, hvor effektiv træning er afgørende.

Relaterede begreber

Machine Learning
Classification
Fine-tuning