基于流的选择性采样

基于流的选择性采样是一种应用于主动学习中的复杂查询策略，适用于处理连续的数据流，例如在在线或实时数据分析中遇到的数据流。这种方法允许算法从持续的数据流中仔细挑选出一个子集。然后，根据模型当前的性能状态来决定是否对这个子集进行标注。

如果模型在处理当前数据流时表现出高效性和准确性，算法可能会选择不对任何新数据进行标注，以此来降低计算成本。相反，当模型在当前数据流上的表现不佳时，算法很可能会决定标注新数据，期望借此提升模型的性能和预测能力。