我正在阅读变分贝叶斯,据我所知,它归结为这样的想法:使用函数q逼近(其中z是模型的潜在变量,而x是观察到的数据)(z ),假设q分解为q i(z i),其中z i是潜在变量的子集。然后可以证明最优因子q i(z i)为: q ∗
其中尖括号表示除以外的所有潜在变量对分布q (z )的期望。
现在,通常通过分析来评估此表达式,以给出近似目标值的准确答案。但是,在我看来,由于这是一个期望,因此一个显而易见的方法是通过抽样来近似该期望。这将为您提供近似目标函数的近似答案,但是它使算法非常简单,甚至在分析方法不可行的情况下。
我的问题是,这是已知方法吗?它有名字吗?是否有理由为什么它可能无法很好地工作,或者可能无法产生如此简单的算法?
我认为更大的问题将是低估VB逼近通常产生的不确定性。
—
概率