Variational Inference
A variációs inferencia (VI) technikák olyan eljárások gyűjtőneve, amelyek a Bayes-i utóeloszlás kiszámítását optimalizálási problémává alakítják. Az exact utóeloszlásból való mintavétel helyett – amit a Markov-lánc Monte Carlo (MCMC) végez – a VI egy egyszerűbb, kezelhető eloszlásfüggvény-családot feltételez, és ezen család azon tagját keresi, amelyik a legközelebb áll az igaz utóeloszláshoz az evidenciális alsó korlát (ELBO) maximalizálásával. A modern, grafikus modellekre vonatkozó formáját Jordan, Ghahramani, Jaakkola és Saul (1999) vezette be, átfogó statisztikai tárgyalását pedig Blei, Kucukelbir és McAuliffe (2017) végezte el. A VI ma már a valószínűségi gépi tanulás standard skálázható következtetési motorja.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Források
- 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
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Variational Bayesian Inference. ScholarGate. https://scholargate.app/hu/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.
- Bayes-féle RegresszióBayes-statisztika↔ compare
- Expectation Propagation (EP)Bayes-statisztika↔ compare
- Latens Dirichlet-eloszlás (LDA)Gépi tanulás↔ compare
- Markov-lánc Monte Carlo (MCMC)Bayes-statisztika↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →