Dường như khi tôi liếc quanh đây về các thuật toán học tập thời thượng, những thứ như mạng lưới thần kinh, cây được tăng cường, máy vectơ hỗ trợ, rừng ngẫu nhiên và bạn bè được quảng bá cho các vấn đề học tập có giám sát. Các quy trình Dirichlet và ilk của chúng dường như được đề cập chủ yếu trong các vấn đề học tập không được giám sát, chẳng hạn như phân cụm tài liệu hoặc hình ảnh. Tôi thấy chúng được sử dụng cho các vấn đề hồi quy, hoặc là các linh mục có mục đích chung khi người ta muốn thực hiện thống kê Bayes theo cách không theo tỷ lệ hoặc bán tổng thể (ví dụ như linh hoạt trước khi phân phối các hiệu ứng ngẫu nhiên trong các mô hình nhất định) nhưng kinh nghiệm hạn chế của tôi cho thấy rằng điều này không đến từ đám đông học máy như từ các nhà thống kê truyền thống. Tôi đã thực hiện một số lượng nhỏ về việc này và tôi
Vì vậy, các quy trình Dirichlet và anh em họ của họ có hiệu quả nhất với tư cách là linh mục cho các mô hình phân cụm linh hoạt? Có phải họ không cạnh tranh với việc thúc đẩy, SVM và mạng lưới thần kinh cho các vấn đề học tập có giám sát? Có phải chúng chỉ hữu ích trong các tình huống nhất định cho những vấn đề này? Hay là ấn tượng chung của tôi không chính xác?