วิธีการแบบเบย์ที่ไม่ใช่พาราเมตริก

วิธีการแบบเบย์ที่ไม่ใช่พาราเมตริก (Bayesian nonparametric methods) เป็นกลุ่มของแบบจำลองแบบเบย์ที่มีความยืดหยุ่น ซึ่งความซับซ้อนของแบบจำลองไม่ได้ถูกกำหนดไว้ล่วงหน้า แต่จะเพิ่มขึ้นโดยอัตโนมัติตามข้อมูล สมาชิกสองกลุ่มที่ใช้กันอย่างแพร่หลายที่สุดคือ Dirichlet Process Mixture (DPM) ซึ่งจัดกลุ่มการสังเกตโดยไม่ต้องระบุจำนวนกลุ่มล่วงหน้า และ Gaussian Process (GP) regression ซึ่งกำหนด prior โดยตรงบนฟังก์ชันและทำการถดถอยหรือจำแนกประเภทโดยไม่ต้องยึดติดกับรูปแบบพาราเมตริก ทั้งสองกรอบงานได้รับการกำหนดรูปแบบอย่างเป็นทางการในวรรณกรรมแบบเบย์ที่ไม่ใช่พาราเมตริก โดยมีการจัดการ GP แบบดั้งเดิมโดย Rasmussen และ Williams (2006)