流式变分贝叶斯
机器学习
2013-11-22 v2 机器学习
摘要
我们提出了 SDA-Bayes，这是一个用于贝叶斯后验的（S）流式、（D）分布式、（A）异步计算框架。该框架根据用户指定的近似批次原语对估计后验进行流式更新。我们以变分贝叶斯（VB）作为原语，通过将潜在狄利克雷分配模型拟合到两个大规模文档集合，展示了我们框架的实用性。通过在已知数据量单次遍历后（这是随机变分推断（SVI）可应用的情形）以及在流式设置下（SVI 不适用）对两者进行比较，我们展示了我们的算法相较于随机变分推断（SVI）的优势。
引用
@article{arxiv.1307.6769,
title = {Streaming Variational Bayes},
author = {Tamara Broderick and Nicholas Boyd and Andre Wibisono and Ashia C. Wilson and Michael I. Jordan},
journal= {arXiv preprint arXiv:1307.6769},
year = {2013}
}
备注
25 pages, 3 figures, 1 table