Bayesowskie uczenie się on-line

Bayesian online learning stosuje wnioskowanie bayesowskie sekwencyjnie: za każdym razem, gdy pojawia się nowa obserwacja, bieżące posterior parametrów modelu staje się priorem dla następnej aktualizacji. Rezultatem jest spójna probabilistyczna struktura, która utrzymuje skalibrowane oszacowania niepewności przez cały czas, co czyni ją dobrze dopasowaną do strumieni danych i niestacjonarnych warunków danych.