Некоторые практические преимущества применения байесовских методов в машинном обучении:

• Предотвращение эффекта переобучения благодаря априорному распределению. 1
• Композитность: объединение моделей на основе разных данных. 1
• Стриминг данных: обработка больших объёмов данных в реальном времени. 1
• Возможность дообучения моделей на новых данных без использования старых. 1
• Построение моделей с латентными переменными для обработки пропусков в данных. 1
• Выявление скрытых тем в текстах без ручной разметки. 1
• Масштабируемость: новые методы для работы с большими данными. 1
• Возможность строить доверительные интервалы при подсчёте прогнозов. 2 Например, если прогнозируется спрос на какой-либо товар, это позволит оценить нижнюю и верхнюю границы спроса и проработать экономические сценарии. 2