Metode Nonparametrik Bayesian

Metode nonparametrik Bayesian adalah keluarga model Bayesian yang fleksibel di mana kompleksitas model tidak ditetapkan sebelumnya tetapi tumbuh secara otomatis seiring dengan data. Dua anggota yang paling banyak digunakan adalah Campuran Proses Dirichlet (DPM), yang mengelompokkan observasi tanpa menentukan jumlah cluster sebelumnya, dan regresi Proses Gaussian (GP), yang menempatkan prior langsung di atas fungsi dan melakukan regresi atau klasifikasi tanpa terikat pada bentuk parametrik. Kedua kerangka kerja ini diformalkan dalam literatur nonparametrik Bayesian, dengan perlakuan kanonik GP yang diberikan oleh Rasmussen dan Williams (2006).