Apprentissage en ligne robuste

L'apprentissage en ligne robuste étend le cadre de l'apprentissage en ligne — où un modèle se met à jour séquentiellement après chaque observation — en intégrant des mécanismes de robustesse qui protègent contre les étiquettes corrompues, les exemples contradictoires, le bruit à queues lourdes et la dérive de concept. Le résultat est un apprenant séquentiel qui maintient un regret borné même lorsque le flux de données contient des valeurs aberrantes ou des perturbations délibérées.