Inferensi Variasional

Inferensi Variasional (VI) adalah keluarga teknik yang mengubah komputasi posterior Bayesian menjadi masalah optimisasi. Alih-alih menarik sampel dari posterior eksak — seperti yang dilakukan Markov chain Monte Carlo — VI mengusulkan keluarga distribusi yang lebih sederhana dan dapat dikelola, lalu menemukan anggota keluarga tersebut yang paling dekat dengan posterior sebenarnya dengan memaksimalkan *evidence lower bound* (ELBO). Diperkenalkan dalam bentuk model grafis modernnya oleh Jordan, Ghahramani, Jaakkola, dan Saul (1999) dan diberi perlakuan statistik yang komprehensif oleh Blei, Kucukelbir, dan McAuliffe (2017), VI kini menjadi mesin inferensi terukur standar dalam pembelajaran mesin probabilistik.