Bayesianske Ikke-parametriske Metoder

Bayesianske ikke-parametriske metoder er en familie av fleksible Bayesianske modeller der modellkompleksiteten ikke er fastsatt på forhånd, men vokser automatisk med dataene. De to mest brukte medlemmene er Dirichlet-prosess-blandinger (DPM), som klynger observasjoner uten å forhåndsspesifisere antall klynger, og Gaussisk prosess (GP) regresjon, som plasserer en prior direkte over funksjoner og utfører regresjon eller klassifisering uten å forplikte seg til en parametrisk form. Begge rammeverkene ble formalisert i den Bayesianske ikke-parametriske litteraturen, med den kanoniske GP-behandlingen gitt av Rasmussen og Williams (2006).