1. 在机器学习中，有监督学习、半监督学习、无监督学习。

在使用监督学习时，模型在标注的数据中学习信息，而存在的问题就是有大量的数据需要标注，非常费时费力。so主动学习为我们提供了方法，通过一定的算法找出最有用的未标注样本，交给专家进行标记，在由模型学习其信息。

而主动学习是一种学习方法，学习算法可以主动地提出一些标注请求，将一些经过筛选的数据提交给专家进行标注。

2. 主动学习的基本思想：

A=(C,Q,S,L,U)。

其中的查询函数Q是用于查询一个最有用的信息，查询函数的策略为：不确定性和差异性。

不确定性则是利用信息熵进行设计，是的找到的样本包含最丰富的信息。

差异性是我们希望每次Q选出的样本都是具有不同的信息，样本的信息不重复不冗余。

在主动学习中，主动学习的“主动”，指的是主动提出标注请求，也就是说，还是需要一个外在的能够对其请求进行标注的实体(通常就是相关领域人员)，即主动学习是交互进行的。

3. 根据选择未标记样本的方法，主动学习可以分为两种：基于流的和基于池的。

        基于流(stream-based)的主动学习中，未标记的样例按先后顺序逐个提交给选择引擎，由选择引擎决定是否标注当前提交的样例，如果不标注，则将其丢弃。

       基于池(pool-based)的主动学习中则维护一个未标注样例的集合，由选择引擎在该集合中选择当前要标注的样例。

 参考：(20条消息) 主动学习(Active Learning)_猪逻辑公园的博客-CSDN博客_主动学习