Yalu Ping

流数据实时预测中，研究者往往同时手握多个广义线性模型，而模型平均通常要对全部历史数据做凸优化。ReMAQ用二次近似改写这一过程，使新一批数据到达时只需解一个二次规划即可顺序更新预测，无需访问全部历史数据。在正则条件下，其权重与基于不可得全数据的oracle模型平均渐近等价，由此得到渐近最优性；模拟研究以及在Airline On-Time Performance数据集上的应用用于评估该方法。

流数据实时预测中，研究者往往同时手握多个广义线性模型，而模型平均通常要对全部历史数据做凸优化。ReMAQ用二次近似改写这一过程，使新一批数据到达时只需解一个二次规划即可顺序更新预测，无需访问全部历史数据。在正则条件下，其权重与基于不可得全数据的oracle模型平均渐近等价，由此得到渐近最优性；模拟研究以及在Airline On-Time Performance数据集上的应用用于评估该方法。