与贝叶斯预测类似的算法

Question

我正在使用贝叶斯算法来预测新的传入数据。它运行测试数据，所以我可以看看预测有多好。每个新数据项都包含许多属性，其中包含有关学习数据的信息，因此类似：

feature1: 0.15
feature2: 0.26
feature3: 0.8
...

我的伪代码详见：

for item in new_data:
    rank = 0
    for feature in item:
         rank += log(feature_probability(feature))
    rank = rank/number_of_features
    rank_data.append(rank)
filter(rank_data)

按filter(rank_data)我的意思是在排序rank_data中削减最低部分。 数据中的每个项目都有质量数我们无法操作（因为在现实生活中我们不知道它），只是为了检查预测的质量，所以要点是削减最低总和那些质量数字。顺便说一下 - 特征概率是来自某些学习数据的质量数字的平均值。

这里的贝叶斯预测（与我们术语中的几何平均值相同）做得很好，但我正在寻找一些更好的结果算法。

我已经阅读了某种数学作品来自己找到它，但是在我的数据类型中实现它太难了。