Variasjonsinferens

Variasjonsinferens (VI) er en familie av teknikker som omgjør Bayesiansk posteriorberegning til et optimeringsproblem. I stedet for å trekke utvalg fra den eksakte posterioren – slik Markov chain Monte Carlo (MCMC) gjør – postulerer VI en enklere, håndterbar familie av fordelinger og finner det medlemmet av den familien som er nærmest den sanne posterioren ved å maksimere evidence lower bound (ELBO). VI, som ble introdusert i sin moderne grafiske modellform av Jordan, Ghahramani, Jaakkola og Saul (1999) og fikk en omfattende statistisk behandling av Blei, Kucukelbir og McAuliffe (2017), er nå standarden for skalerbar inferens i probabilistisk maskinlæring.