据我了解，与批量学习相反，在线学习在每个时间步都采取行动，而不是在整个（或一个大的时期）数据集上累积计算；流式学习是指具有有限的时间和空间限制，以及在数据上运行的传递次数。

从我教授的演讲幻灯片来看，它们的主要区别是：

------------------------------------------------------------------------------
|          Online           |                    Streaming                    |
------------------------------------------------------------------------------
| Endless data stream       | Stream of (known and typically big) length of N |
------------------------------------------------------------------------------
| Fixed amount of memory    |              Memory available is o(N)           | 
------------------------------------------------------------------------------
| Tested at every time step |         Tested only once at the very end        |
------------------------------------------------------------------------------
| Each point seen only once |        More than one pass may be possible       |
 ------------------------------------------------------------------------------

并来自维基百科流式算法条目：

这些算法与在线算法有许多相似之处，因为它们都需要在所有数据可用之前做出决定，但它们并不完全相同。数据流算法只有有限的可用内存，但它们可能能够推迟操作，直到一组点到达，而在线算法需要在每个点到达时立即采取行动。

我仍然无法理解它们有什么根本不同：在线算法的时间、空间和通过次数非常有限，这与流算法非常相似。