เปรียบเทียบวิธี

	การอนุมานแบบแปรผันเชิงลำดับชั้น	การถดถอยแบบเบย์ (Bayesian Regression)
สาขาวิชา	เบย์	เบย์
ตระกูล	Bayesian methods	Bayesian methods
ปีกำเนิด	2016	—
ผู้ริเริ่ม	Ranganath, Altosaar, Tran & Blei	—
ประเภท	Bayesian approximate inference	Bayesian linear model
แหล่งต้นตำรับ	Ranganath, R., Altosaar, J., Tran, D. & Blei, D. M. (2016). Hierarchical Variational Models. Proceedings of the 33rd International Conference on Machine Learning (ICML 2016), PMLR 48, 324-333.	Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
ชื่อเรียกอื่น	HVI, hierarchical variational models, hierarchical VI, hierarchical approximate inference	bayesian linear regression, probabilistic regression, bayesian regresyon
ที่เกี่ยวข้อง	5	2
สรุป	Hierarchical variational inference (HVI) extends standard variational inference by placing a richer, hierarchical structure on the variational family itself. Instead of using a simple mean-field approximation, HVI introduces auxiliary latent variables that capture dependencies among the main latent variables, yielding tighter evidence lower bounds and more accurate posterior approximations for complex Bayesian models.	Bayesian regression is a probabilistic version of linear regression that treats the model parameters as uncertain quantities. Instead of returning a single best-fit estimate, it combines prior knowledge with the observed data to produce a full posterior probability distribution for each parameter, from which credible intervals and predictions are read off.