主动学习相关论文个人心得体会(一)：主动学习算法综述

写在前面：
本人是从事与AI算法研究的研一学生，前段时间，我的导师叫我开始看看有关主动学习的文章，于是我的五一假期就这样泡汤了(其实因为疫情我在家已经浪了快一百天了，嘻嘻嘻，五一假期对我来说可有可无，哈哈哈)]
言归正传，还是来说说主动学习吧！
第一篇文章还是先说说自己对主动学习的理解吧，具体的以后再说，就这么愉快的决定了！！！
正文：
主动学习，顾名思义，就是该算法能够主动的进行学习(小白听了是不是感觉很神奇，可是专业人士听了可能会认为有点故弄玄虚，哪有什么主动学习，还不是人为干预的结果)；专业人士果然一针见血，能够深入问题的本质。没错，说到底，主动学习也是人造的，没有人为干预只是一堆稀奇古怪的公式及定理。只有人们合理地运用，才能发挥其最大的效果。
之前看到有人提出这样的主动学习模型：
主动学习模型：A=(C,Q,S,L,U)，其中 C 为一组或者一个分类器，L是用于训练已标注的样本。Q 是查询函数，用于从未标注样本池U中查询信息量大的信息，S是督导者，可以为U中样本标注正确的标签。学习者通过少量初始标记样本L开始学习，通过一定的查询函数Q选择出一个或一批最有用的样本，并向督导者询问标签，然后利用获得的新知识来训练分类器和进行下一轮查询。
我刚开始接触主动学习地时候，感觉还是有点懵逼，不知道里面的学习模型和专家为何物，经过细品，终于明白一二；为此，我重新画了个流程图，大致如下：

算法步骤如下：
1.根据某一选取规则对数据进行挑选，挑选出的数据样本作为数据池样本
2.将数据池样本送至专家处进行标记
3.将专家标集的数据池样本用分类器进行分类
4.判断当前分类效果是否满足要求，如不满足，重复步骤2、3。
5.当分类器能够得到满足要求的分类效果时，将原始数据集中的剩余样本用训练好的分类器进行分类。

Tips:
1.前面所提出的主动学习模型:A=(C,Q,S,L,U)，C是指的分类器(可以是常见的SVM,ELM等)，S专家也是指的分类器，Q是某一样例选取函数，算法通过该函数对数据池样本进行挑选。
2.目前算法主要优化方向是：在选取函数Q和分类器C进行优化。
3.如有不对的地方，欢迎各位大佬批评指正。大家相互成长，感激不尽。