00:13:05
采样推断:蒙特卡洛和变分推断 机器学习 生成模型底层算法 围绕机器学习中不可计算积分这一核心挑战,展开了从经典概率近似方法到现代生成模型底层逻辑的完整演进梳理,介绍贝叶斯推断中积分难问题的核心方法。蒙特卡洛通过随机采样模拟分布;MCMC利用马尔可夫链处理无法归一化的后验概率;变分推断将统计模拟转化为优化问题,通过最大化ELBO逼近目标。Metropolis-Hastings(MH)算法解决了直接采样的难题,但在大数据、高维度场景下存在明显缺陷,也是其被变分推断替代的核心原因,是从蒙特卡洛方法到现代生成模型