Bir yerde Değişken Bayes yönteminin EM algoritmasının bir genellemesi olduğunu okudum. Aslında, algoritmaların yinelemeli kısımları çok benzer. EM algoritmasının Variational Bayes'ın özel bir sürümü olup olmadığını test etmek için aşağıdakileri denedim:
veri, gizli değişkenlerin toplanması ve parametrelerdir. Varyasyonel . Nerede ler daha basit, uysal dağılımları vardır.Θ P ( X , Θ | Y ) ≈ Q X ( X ) Q Θ ( Θ ) Q
EM algoritması bir MAP noktası tahmini bulduğundan, şöyle bir Delta İşlevi kullanırsam Varyasyonel Bayes'in EM'ye yaklaşabileceğini düşündüm: . , genellikle yapılan parametrelerin ilk tahminidir.Θ 1
Tüm verilir, KL Uyumsuzluğu minimize formülü ile bulunan Yukarıdaki formül basitleştiriyor , bu adım Beklenti adımının eşdeğeri gibi görünüyor EM algoritmasının!Q 1 X ( X ) Q 1 X ( X ) = exp ( E δ Θ 1 [ ln P ( X , Y , Θ ) ] ) Q, 1 x (X)=P(x|Θ1,Y)
Ancak, Maksimizasyon adımını bunun devamı olarak çıkaramıyorum. Bir sonraki adımda ve Variational Bayes yineleme kuralına göre hesaplamamız gerekiyor :
VB ve EM algoritmaları bu şekilde gerçekten bağlanmış mı? EM'yi Varyasyonel Bayes'in özel bir hali olarak nasıl türetebiliriz, yaklaşımım doğru mu?