Donc, je n'ai pas pu trouver de littérature sur ce sujet mais il semble que quelque chose mérite réflexion:
Quelles sont les meilleures pratiques en matière de formation et d'optimisation de modèles si de nouvelles observations sont disponibles?
Existe-t-il un moyen de déterminer la période / fréquence de recyclage d'un modèle avant que les prédictions ne commencent à se dégrader?
Est-il trop adapté si les paramètres sont ré-optimisés pour les données agrégées?
Notez que l'apprentissage n'est pas nécessairement en ligne. On peut souhaiter mettre à niveau un modèle existant après avoir observé une variance significative dans les prévisions plus récentes.