流式观测数据的在线预测

流式观测数据的自动收集已成为常态，且挑战了大多数传统分析技术。这不仅在于模型难以识别，更在于可能不存在任何可以安全且有用假定的模型。事实上，通常只能进行预测并评估其效果。此类数据的问题常被称为 ${\cal{M}}$-Open 问题，并催生了新的方法和理念。本文将回顾针对 ${\cal{M}}$-Open 问题类别的一些最成功的近期预测方法。这些技术包括使用专家建议的预测器（如 Shtarkov 解）、贝叶斯非参数方法（如高斯过程先验）、基于哈希函数的预测器（如 ${\sf Count-Min}$ 草图）以及共形预测。全文将从原则性角度呈现并比较这些预测器的性质。