ترجمه فارسی مقاله پیش‌بینی نقطه‌ای برای داده‌های جریانی

چکیده

We present two new approaches for point prediction with streaming data. One is based on the Count-Min sketch (CMS) and the other is based on Gaussian process priors with a random bias. These methods are intended for the most general predictive problems where no true model can be usefully formulated for the data stream. In statistical contexts, this is often called the $mathcal{M}$-open problem class. Under the assumption that the data consists of i.i.d samples from a fixed distribution function $F$, we show that the CMS-based estimates of the distribution function are consistent. We compare our new methods with two established predictors in terms of cumulative $L^1$ error. One is based on the Shtarkov solution (often called the normalized maximum likelihood) in the normal experts setting and the other is based on Dirichlet process priors. These comparisons are for two cases. The first is one-pass meaning that the updating of the predictors is done using the fact that the CMS is a sketch. For predictors that are not one-pass, we use streaming $K$-means to give a representative subset of fixed size that can be updated as data accumulate. Preliminary computational work suggests that the one-pass median version of the CMS method is rarely outperformed by the other methods for sufficiently complex data. We also find that predictors based on Gaussian process priors with random biases perform well. The Shtarkov predictors we use here did not perform as well probably because we were only using the simplest example. The other predictors seemed to perform well mainly when the data did not look like they came from an M-open data generator.

چکیده به فارسی (ترجمه ماشینی)

ما دو روش جدید برای پیش بینی نقطه با داده های جریان ارائه می دهیم.یکی بر اساس طرح شمارش-دقیقه (CMS) و دیگری مبتنی بر مقدمات فرآیند گاوسی با تعصب تصادفی است.این روشها برای عمومی ترین مشکلات پیش بینی کننده در نظر گرفته شده است که هیچ مدل واقعی نمی تواند برای جریان داده ها به طور مفیدی تدوین شود.در زمینه های آماری ، این اغلب به عنوان $ Mathcal {m} $-کلاس مشکل باز نامیده می شود.با این فرض که داده ها از نمونه های I.I.D از یک عملکرد توزیع ثابت $ f $ تشکیل شده است ، ما نشان می دهیم که برآوردهای مبتنی بر CMS از عملکرد توزیع سازگار است.ما روشهای جدید خود را با دو پیش بینی کننده تعیین شده از نظر خطای تجمعی $ l^1 $ مقایسه می کنیم.یکی بر اساس محلول Shtarkov (که اغلب به آن حداکثر احتمال عادی گفته می شود) در تنظیمات متخصصان عادی و دیگری بر اساس مقدمات فرآیند Dirichlet است.این مقایسه ها برای دو مورد است.مورد اول این است که یک گذر به این معنی است که به روزرسانی پیش بینی کننده ها با استفاده از این واقعیت انجام می شود که CMS یک طرح است.برای پیش بینی کننده هایی که یک پاس نیستند ، ما از جریان $ k $ استفاده می کنیم تا یک زیر مجموعه نماینده از اندازه ثابت را ارائه دهیم که با جمع شدن داده ها می تواند به روز شود.کار محاسباتی مقدماتی نشان می دهد که نسخه میانه یک گذر از روش CMS به ندرت از سایر روشها برای داده های به اندازه کافی پیچیده بهتر است.ما همچنین می دانیم که پیش بینی کننده های مبتنی بر مقدمات فرآیند گاوسی با تعصبات تصادفی عملکرد خوبی دارند.پیش بینی کننده های Shtarkov که ما در اینجا از آنها استفاده می کنیم نیز به همین دلیل فقط از ساده ترین مثال استفاده می کردیم.به نظر می رسید که پیش بینی کننده های دیگر به طور عمده عملکرد خوبی دارند وقتی که داده ها به نظر نمی رسید که از یک ژنراتور داده M-Open آمده اند.