Variaatioinferenssi
Variaatioinferenssi (VI) on joukko tekniikoita, jotka muuttavat Bayesiläisen posteriorijakauman laskennan optimointiongelmaksi. Sen sijaan, että otettaisiin näytteitä tarkasta posteriorijakaumasta – kuten Markovin ketju Monte Carlo (MCMC) -menetelmä tekee – VI olettaa yksinkertaisemman, käsiteltävissä olevan jakaumaperheen ja etsii siitä jäsenen, joka on lähimpänä todellista posteriorijakaumaa maksimoimalla todisteiden alarajan (ELBO). Jordan, Ghahramani, Jaakkola ja Saul (1999) esittelivät sen modernissa graafisten mallien muodossa, ja Blei, Kucukelbir ja McAuliffe (2017) antoivat sille kattavan tilastollisen käsittelyn. VI on nykyään todennäköisyyspohjaisen koneoppimisen standardi skaalautuva päättelymoottori.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Lähteet
- Jordan, M. I., Ghahramani, Z., Jaakkola, T. S., & Saul, L. K. (1999). An introduction to variational methods for graphical models. Machine Learning, 37(2), 183–233. DOI: 10.1023/A:1007665907178 ↗
- Blei, D. M., Kucukelbir, A., & McAuliffe, J. D. (2017). Variational inference: A review for statisticians. Journal of the American Statistical Association, 112(518), 859–877. DOI: 10.1080/01621459.2017.1285773 ↗
- Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer. (Chapter 10: Approximate Inference.) ISBN: 978-0387310732
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Variational Bayesian Inference. ScholarGate. https://scholargate.app/fi/bayesian/variational-inference
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bayesilainen regressioBayesilainen tilastotiede↔ compare
- Odotuspropagaatio (EP)Bayesilainen tilastotiede↔ compare
- Latent Dirichlet Allocation (LDA)Koneoppiminen↔ compare
- Markov-ketju-Monte Carlo (MCMC)Bayesilainen tilastotiede↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →