Aprendizaje por streaming de última generación

Question

Últimamente he estado trabajando con grandes conjuntos de datos y he encontrado muchos artículos sobre métodos de streaming. Por nombrar algunos:

• Seguir al Líder Regularizado y Descenso Espejo: Teoremas de equivalencia y regularización L1 ( http://jmlr.org/proceedings/papers/v15/mcmahan11b/mcmahan11b.pdf )
• Aprendizaje por streaming: SVM de una sola pasada ( http://www.umiacs.umd.edu/~hal/docs/daume09onepass.pdf )
• Pegasos: Primal Estimated sub-GrAdient SOlver for SVM http://ttic.uchicago.edu/~nati/Publicaciones/PegasosMPB.pdf
• o aquí : ¿Puede la SVM aprender de un ejemplo a la vez?
• Bosques aleatorios en flujo ( http://research.cs.queensu.ca/home/cords2/ideas07.pdf )

Sin embargo, no he podido encontrar documentación sobre la comparación entre ellas. Todos los artículos que he leído parecen realizar experimentos con conjuntos de datos diferentes.

Conozco sofia-ml, vowpal wabbit, pero parece que implementan muy pocos métodos, ¡en comparación con la enorme cantidad de métodos existentes!

¿Los algoritmos menos habituales no tienen suficiente rendimiento? ¿Hay algún artículo que intente revisar tantos métodos como sea posible?

Answer 1

Que yo sepa, no existe un estudio riguroso de algoritmos múltiples similar al del artículo de Delgado que has enlazado, pero se han hecho esfuerzos para recopilar resultados de familias de algoritmos.

He aquí algunas fuentes que considero útiles (descargo de responsabilidad: publico en la zona, así que es probable que mi selección esté sesgada):

• Estudio sobre el aprendizaje conjunto para la clasificación de flujos de datos (Encuesta)
• Aprendizaje en línea y optimización convexa en línea (Informe técnico)
• Aprendizaje automático en línea en flujos de Big Data (Encuesta)
• Aprendizaje automático para flujos de datos (Libro)
• Algoritmos para el aprendizaje de árboles de regresión y conjuntos en flujos de datos en evolución (Tesis doctoral)
• Aprendizaje bajo deriva conceptual: una visión general (Encuesta)
• Aprendizaje en línea óptimo y adaptativo (Tesis doctoral)
• Aprendizaje adaptativo y minería de flujos de datos y patrones frecuentes (Tesis doctoral)

Algunos paquetes de software:

• MOA y SAMOA
• scikit-multiflow
• Jubatus
• LIB(S)OL
• StreamDM

Puedo añadir más información y fuentes si es necesario. Como ya han dicho otros, este campo necesita un estudio exhaustivo.