假设我们有 10,000 个未标记的文档，我们希望使用批量大小为 5 的基于池的采样。我们将使用最小置信度 (LC) 进行查询策略。

这种主动学习的大纲是否合理：

1）随机选择30个文档，得到labelled:=> labelled: 30, unlabelled: 9970。

2) 在 30 个标记数据上训练模型

3）使用模型对9970个未标记文档进行预测

4）使用LC从模型最不确定的所有预测文档中选择5个

5）获取5个文档的标签：=> 标签：35，未标签：9965

6）在标记数据上重新训练模型

7) 继续执行步骤 2 - 6，直到标记资源到期或满足其他停止条件。

它是否正确？我最关心的是第 3 步）我们是否应该在每次迭代中重新训练所有数据？看起来它的计算速度可能会变慢，但另一方面，如果我们不评估每个文档，我们怎么知道哪个文档最有助于标记？