Mètodes bayesians no paramètrics

Els mètodes bayesians no paramètrics són una família de models bayesians flexibles en els quals la complexitat del model no es fixa per endavant, sinó que creix automàticament amb les dades. Els dos membres més utilitzats són el Mixture de Processos Dirichlet (DPM), que agrupa observacions sense preespecificar el nombre de clústers, i la regressió amb Processos Gaussianos (GP), que col·loca una distribució a priori directament sobre funcions i realitza regressió o classificació sense comprometre's amb una forma paramètrica. Ambdues estructures es van formalitzar en la literatura bayesiana no paramètrica, amb el tractament canònic de GP donat per Rasmussen i Williams (2006).