我有一个数据集，用于计算（近似）非线性函数的参数。
原始数据点及时分散，目前我的求解器能够计算出最佳参数集，这些参数对给定时间段内的数据项的函数进行建模。当我合并更大的数据集时，函数逼近的准确性会提高。然而，与此同时，我不希望数据项太旧而无法在很大程度上影响函数逼近。我现在计划及时使用处于预定义窗口内的数据项。这个预定义的窗口将随着时间的推移而移动，合并新数据项并丢弃旧数据项。然而，要包含或排除数据元素，我总是必须从修改过的数据集开始处理，这是一个耗时且不适合实时操作的过程。
我试图解决的问题是如何将额外数据项的学习融入到近似函数中，而不必遍历整个原始数据集。最初的想法是通过子集中的总数据项与所有子集中的总数据项的比率，对从每个数据子集学习到的函数参数进行加权。有人能想到更好的方法吗？对任何可能的解决方案的提示将不胜感激。