大数据背景下Ⅵ理论研究与实际应用

摘要

指出了许多无监督或半监督机器学习算法依赖于贝叶斯概率模型,这些模型中参数的后验分布通常难以计算.VI是一种通过优化算法近似后验密度的统计推断方法.VI与机器学习方法相结合,可为大数据分析提供新的思路和方法.在对VI的产生和发展进行回顾的基础上,介绍了VI中经典的平均场理论和相应的坐标上升算法,以及将VI拓展到大数据分析领域的SVI算法,并对VI的发展前景进行了分析,对VI中一些衡量指标以及独立性假设进行了改进,提出了VI与统计学方法的结合将成为未来的研究方向.