Online learning中总轮数的选取及其鲁棒性

Question

我正在尝试制作一个在线学习框架。但它对总轮数T的选择相当敏感。

虽然我知道对 T 有一定的遗憾，但我想制作一个对 T 不敏感的健壮的在线学习框架。

例如，假设我有 10,000 个数据点，我想让这两个场景的性能相等（或相似）。

1. 每轮100个新数据，T=100
2. 每轮 1,000 个新数据，并且 T=10.

我找不到关于这个主题的任何参考。有没有关于强大的在线学习或选择最佳回合数的想法？