验证码 和 验证码 都是为了欺骗人们标记庞大的数据集（当然，也是为了证明用户是正在上网的真实的人）。
即使您可以使用此类技术，您的数据也可能无法在组织外部共享，或者可能需要特定领域的专业知识，并且您需要确保标记行的用户是可信的。这种可信资源是昂贵的、不可替代的、很快就会感到无聊的领域专家，他们自己标记成千上万的数据点/行。数据集的每一行可能包含任何类型的数据，并且可以以非常不同的格式显示给专家。例如，它可以显 自雇数据 示为图表、文档或图像 - 实际上是任何东西。需要标记数据的企业将面临一个漫长、痛苦且昂贵的过程。那么，我们如何才能有效地改进标记过程以节省金钱和时间呢？嗯，解决方案是一种称为主动学习的技术！
在主动学习过程中，人类被带回流程中——人类被带回循环中并帮助指导算法。这个想法很简单：并非所有示例都具有同等的学习价值，因此首先，该过程会选择它认为对学习最有价值的示例，然后人类会给它们贴上标签，使算法能够从中学习。这个循环（或循环）一直持续到学习模型收敛，或者用户决定退出应用程序。
为了初始化这个迭代过程，我们需要一些起始标签，但由于我们根本没有标签，因此我们几乎无法选择首先标记哪些行。系统会随机挑选几行，并将它们展示给我们的专家，然后获取手动应用的标签。现在，仅基于少量标签，我们就可以训练第一个模型。这个初始模型可能存在很大偏差，因为它是在很少的样本上进行训练的。但这只是第一步。现在我们准备通过迭代来改进模型。