在大数据和算力的助力下，深度学习掀起了一波浪潮，在许多领域取得了显著的成绩。以监督学习为主的深度学习方法，往往期望能够拥有大量的标注样本进行训练，模型能够学到更多有价值的知识。然而，实际应用场景的标注样本严重稀缺。并且，标注大量样本将产生昂贵的标注成本。

在庞大而复杂的淘系电商场景中，类似的需求比比皆是：例如，咸鱼&躺平和洋淘等社区内容的治理，拍立淘的以图搜图，服饰分类（例如，iFashion）等场景都存在标注样本严重稀缺的问题。综上，在实际应用场景中，如何“在模型达到目标性能的前提下，尽可能地减少标注成本”是一项亟需解决的挑战。

主动学习作为机器学习的一个子领域，旨在以尽可能少的标注样本达到模型的目标性能，广泛应用于实际需求中。本文的定位是主动学习方法的入门篇，主要介绍的内容包括：1）详细地介绍主动学习的基础知识；2）简要地介绍主动学习在学术界的研究现状；3）主动学习实践部分将简单介绍几个图像分类的案例；4）文末将给出本文的参考文献和相关资料。

感兴趣的可以戳链接。

内容中包含的图片若涉及版权问题，请及时与我们联系删除