1背景概述
在機器學習領域有很多學習模式，比方說監督學習、半監督學習、強化學習、無監督學習等。平時大家接觸比較多的一般都是監督學習，在監督學習裏面，比方說要做個人和魚的圖像分類模型，假設有200張圖片，那就需要把這200張樣本都打好標記再訓練。
監督學習存在很多問題，比如最直接的一點，當樣本打標成本很高的時候，比如要標記一個人臉，可能需要在圖片上打上百個點，用監督學習很消耗資源。
主動學習（Active Learning）很好地解決了這個問題，主動學習的本質是讓訓練樣本的利用率最大化，今天就來介紹下主動學習的一些內容。
2Active Learning基本原理
ActiveLearning的基本邏輯很好理解，就是構建一個打標和訓練流程的閉環，有點類似於boosting算法。
在ActiveLearning中，不需要訓練樣本全部打標，可以先打標部分樣本，然後跑一次分類模型，接着對未打標樣本做一次預測。可以根據預測結果將未打標樣本分成兩類，一類是不確定性大，也就是信息熵大的樣本，另一類是不確定性小但是信息熵也小的樣本。然後針對信息熵大的樣本再次訓練。
這裏面有個問題，什麼叫不確定性大的樣本呢？還是舉文章開篇的例子，假設做人和魚的分類模型，什麼樣的樣本是不確定性高的呢？當然是哪種很難分辨人還是魚的樣本，比如美人魚，哈哈。
總結下，ActiveLearning的本質就是先標記部分樣本，然後訓練一個簡單分類模型，通過這個模型找到高信息熵樣本並打標，然後再重新用新訓練集finetune模型。
3業務價值
ActiveLearning顯而易見的一個業務價值就是比較節省數據打標資源。很多論文已經講了ActiveLearning在一些場景下的優勢。
我個人感覺，ActiveLearning會在一些數據樣本打標代價很高的場景落地，比如金融風控領域的負樣本模型訓練、圖像語音的模型訓練。
另外，一些雲端機器學習平臺產品如果可以集成Active Learning的能力對客戶是很有吸引力的。雖然我還沒機會做這種產品的設計，但是可以預想到未來雲上的機器學習平臺，能否對高信息熵樣本做主動學習，將是一個重要的用戶抓手。