Bayesian methods
変分推論
変分推論（VI）は、ベイズ事後分布計算を変分最適化問題に変換する一連の手法である。マルコフ連鎖モンテカルロ（MCMC）が行うような厳密な事後分布からのサンプリングではなく、VIはより単純で扱いやすい分布族を仮定し、その族のメンバーの中から、エビデンス下限（ELBO）を最大化することによって真の事後分布に最も近いものを見つける。現代的なグラフィカルモデルの形式でJordanら（1999）によって導入され、Bleiら（2017）によって包括的な統計的扱いが与えられたVIは、現在、確率的機械学習における標準的なスケーラブル推論エンジンとなっている。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
出典
- 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
このページの引用方法
ScholarGate. (2026, June 3). Variational Bayesian Inference. ScholarGate. https://scholargate.app/ja/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.
- ベイズ回帰ベイズ↔ compare
- 期待伝播法 (EP)ベイズ↔ compare
- 潜在的ディリクレ配分法 (LDA)機械学習↔ compare
- マルコフ連鎖モンテカルロ法 (MCMC)ベイズ↔ compare
この手法を参照する項目
ベイズ逐次学習動的ハミルトニアン・モンテカルロ法動的変分推論期待伝播法 (EP)Gibbs Samplingハミルトニアンモンテカルロ階層ベイズ推論階層マルコフ連鎖モンテカルロ法階層的変分推論マルコフ連鎖モンテカルロ法 (MCMC)階層ベイズ推論マルチレベルMCMCMultilevel Variational InferenceNo-U-Turn Sampler (NUTS)オンラインガウス過程ロバストベイズ推論ロバスト・ベイズ的モデル平均頑健ハミルトニアン・モンテカルロ法ロバスト変分推論Spatial Variational Inference時系列変分推論測定誤差を伴う変分推論欠損データを含む変分推論