大规模数据的在线学习理论与算法

大规模数据的典型特点表现在海量、高维、其间关系复杂以及数据缺失与噪声污染等方面。同时，时代发展对数据分析与处理的效率与形式也提出新的要求。比如，在线分析，实时甚至“超实时”处理、控制与预报等。
在线学习模式，与经典的批量学习模式不同，无需等到获取全部样本之后再进行学习，其典型特点就是可以一边获取样本，一边学习更新模型。其计算优势在于其单次计算成本与存储成本低，伸缩性好，模型简洁而易于解释，适用于大规模数据学习。