对拉普拉斯方法的低秩变分贝叶斯校正
统计方法学
2025-10-02 v2 机器学习
机器学习
摘要
当由于模型复杂性或数据量庞大而无法进行精确推断时，近似推断方法如拉普拉斯方法、拉普拉斯近似和变分方法等是常用的方法。在本文中，我们提出了一种称为低秩变分贝叶斯校正（VBC）的混合近似方法，该方法使用拉普拉斯方法，随后在较低维度上对联合后验均值进行变分贝叶斯校正。其计算代价本质上与拉普拉斯方法相同，这确保了该方法在模型复杂度和数据大小方面的可扩展性。我们针对模拟和真实示例，以及小型和大型数据集，考虑了具有固定和未知超参数的模型。
引用
@article{arxiv.2111.12945,
title = {Low-rank variational Bayes correction to the Laplace method},
author = {Janet van Niekerk and Haavard Rue},
journal= {arXiv preprint arXiv:2111.12945},
year = {2025}
}