變分推斷
變分推斷（Variational Inference, VI）是貝葉斯近似推斷方法中的一大類方法，它將後驗推斷問題巧妙地轉化爲優化問題進行求解，相比另一大類方法馬爾可夫鏈蒙特卡洛方法（Markov Chain Monte Carlo, MCMC），VI 具有更好的收斂性和可擴展性（scalability），更適合求解大規模近似推斷問題 [14]。
變分推斷概述
在概率機器學習問題中，其一箇中心任務是在給定觀測數據變量X的條件下，計算潛在變量Z的後驗概率分佈P(Z∣X)P(Z|X)P(Z∣X