我开发了基于在线神经网络的一类分类器，并启用了它的遗忘机制。因此，现在可以使用遗忘机制进行在线学习。但是如果数据是非平稳的如何处理。由于它是一类分类，因此假设我们有两类数据，即正常类和异常类，然后仅由正常类数据以在线方式进行训练。但是，与测试中正常和异常数据的分布相比，训练数据的分布可能不同，因为它们的分布正在变化。那么，算法将如何处理这种漂移/偏移。

关于非平稳数据处理的另一个疑问：我们是否会通过一次经过训练的标记数据，并从未标记的测试数据中收集进一步的训练标记数据？