最先端のストリーミング学習

私は最近大規模なデータセットを扱っており、ストリーミング方法に関する多くの論文を見つけました。いくつか例を挙げると：

• Follow-the-Regularized-Leader and Mirror Descent：等価定理とL1正則化（http://jmlr.org/proceedings/papers/v15/mcmahan11b/mcmahan11b.pdf）
• ストリーミング学習：ワンパスSVM（http://www.umiacs.umd.edu/~hal/docs/daume09onepass.pdf）
• Pegasos：SVMのプライム推定サブGrAdient SOlver http://ttic.uchicago.edu/~nati/Publications/PegasosMPB.pdf
• またはここ：SVMは一度に1つの例をストリーム学習できますか？
• ストリーミングランダムフォレスト（http://research.cs.queensu.ca/home/cords2/ideas07.pdf）

しかし、私はそれらが互いにどのように比較されるかに関するドキュメントを見つけることができませんでした。私が読んだすべての記事は、異なるデータセットで実験を行っているようです。

私は、sowia-ml、vowpal wabbitについて知っていますが、それらは既存の膨大な量のメソッドと比較して、ごく少数のメソッドを実装しているようです！

あまり一般的ではないアルゴリズムのパフォーマンスは十分ではありませんか？できるだけ多くの方法をレビューしようとしている論文はありますか？

リンクしたDelgadoの論文に似た複数のアルゴリズムの厳密な調査は、私が知る限り入手できませんが、アルゴリズムのファミリの結果を収集する努力がなされています。

役に立つと思われる情報源をいくつか紹介します（免責事項：私はその地域で公開しているため、選択に偏っている可能性があります）。

• データストリーム分類のためのアンサンブル学習に関する調査（調査）
• オンライン学習とオンライン凸最適化（テクニカルレポート）
• ビッグデータストリームでのオンライン機械学習（調査）
• データストリームの機械学習（書籍）
• 進化するデータストリームの回帰ツリーとアンサンブルを学習するためのアルゴリズム（博士論文）
• コンセプトドリフトで学ぶ：概要（調査）
• 最適かつ適応可能なオンライン学習（博士論文）
• データストリームと頻出パターンの適応学習とマイニング（博士論文）

いくつかのソフトウェアパッケージ：

• MOAおよびSAMOA
• scikit-multiflow
• ジュバトゥス
• LIB（S）OL
• StreamDM

必要に応じて、さらに情報とソースを追加できます。他の人が言ったように、この分野は包括的な調査を使うことができます。