Aktif Öğrenme Nedir?

Aktif öğrenme (active learning), etiketleme bütçesini en verimli şekilde kullanmayı amaçlayan bir makine öğrenmesi yaklaşımıdır. Tüm veriyi rastgele etiketletmek yerine model, "en çok hangi örneğin cevabını bilmek işime yarar?" sorusunu sorar ve yalnızca o örnekleri bir uzmana gönderir.

Not: Eğitim biliminde "aktif öğrenme", öğrencinin derse etkin katıldığı öğretim yöntemlerini anlatır. Bu madde makine öğrenmesindeki anlamı ele alır.

Aktif öğrenme nedir?

Varsayımsal bir örnek: Elinde 100.000 müşteri yorumu var ve bunları olumlu ya da olumsuz diye sınıflandırmak istiyorsun, ama ancak 2.000 tanesini etiketletecek bütçen var. Rastgele seçersen çoğu kolay ve birbirine benzeyen örnekler olabilir. Aktif öğrenmede model, kararsız kaldığı yorumları seçer; bu örneklerin etiketleri modele çok daha fazla şey öğretir.

Nasıl çalışır?

1. Model, küçük bir etiketli veriyle eğitilir.
2. Etiketsiz havuzdaki örnekler bir sorgu stratejisine göre puanlanır.
3. En yüksek puanlı örnekler bir insana etiketletilir.
4. Yeni etiketler eğitime eklenir, model güncellenir ve döngü tekrarlanır.

Yaygın sorgu stratejileri şunlardır:

• Belirsizlik örneklemesi: Modelin en emin olmadığı örnekler seçilir.
• Komite sorgusu: Birkaç modelin en çok anlaşamadığı örnekler seçilir.
• Çeşitlilik temelli seçim: Birbirine benzemeyen, veriyi iyi temsil eden örnekler seçilir.

Nelere dikkat etmeli?

Aktif öğrenme veri etiketleme maliyetini azaltabilir, ancak her zaman rastgele seçimden iyi sonuç vermez. Yalnızca belirsiz örneklere odaklanmak, aykırı ya da gürültülü verilerin seçilmesine yol açabilir. Seçilen örnekler gerçek veri dağılımını tam temsil etmediği için değerlendirme mutlaka ayrı ve rastgele seçilmiş bir test setiyle yapılmalıdır. Ayrıca döngünün her adımında insan etiketleyiciye ihtiyaç duyulması süreci yavaşlatabilir. Benzer bir amaca hizmet eden diğer yaklaşım yarı denetimli öğrenmedir.