随机输入条件下的在线学习：综述与分析
机器学习
2024-04-09 v1 人工智能
摘要
在线学习领域因其在现实应用中的普及而经历了多方面的扩展。然而，这种进展是在假设流数据的输入特征空间保持不变的条件下进行的。在本综述论文中，我们讨论了随机输入背景下的在线学习，明确放弃了上述假设。我们讨论、分类、评估并比较了能够建模随机输入的方法，同时提供了相应的代码实现及其碳足迹。此外，我们对与随机输入领域相关的数据集进行了分类，并介绍了专门针对表现出不平衡的数据集设计的评估指标。每种方法的代码可在https://github.com/Rohit102497/HaphazardInputsReview找到。
引用
@article{arxiv.2404.04903,
title = {Online Learning under Haphazard Input Conditions: A Comprehensive Review and Analysis},
author = {Rohit Agarwal and Arijit Das and Alexander Horsch and Krishna Agarwal and Dilip K. Prasad},
journal= {arXiv preprint arXiv:2404.04903},
year = {2024}
}