Активное обучение представляет собой подход в машинном обучении, при котором алгоритм последовательно запрашивает разметку наиболее значимых обучающих примеров. Этот процесс включает различные стратегии выборки данных, такие как uncertainty sampling, query-by-committee и expected model change. Метод особенно полезен в условиях ограниченных ресурсов для разметки данных, позволяя достичь высокой точности при использовании минимального количества размеченных примеров.