主动学习是一种有监督的机器学习协议，其中学习算法从大量未标记数据中序列地请求选定数据点的标签。这与被动学习形成了对比，被动学习是随机获取有标记的数据。主动学习的目标是产生一个高度精确的分类器，理想情况下使用的标签要比被动学习达到同样目的所需的随机标记数据的数量少。这本书描述了我们对主动学习的理论益处的理解的最新进展，以及对设计有效的主动学习算法的启示。文章的大部分内容都集中在一种特殊的方法上，即基于不同意见的主动学习，到目前为止，这种方法已经积累了大量的文献。它还从文献中简要地考察了几种可供选择的方法。重点是关于一些一般算法的性能的定理，包括适当的严格证明。然而，本文的目的是教学，集中于说明基本思想的结果，而不是获得最强或最普遍的已知定理。目标受众包括机器学习和统计学领域的研究人员和高级研究生，他们有兴趣更深入地了解主动学习理论最近和正在进行的发展。