如何使用变分推理来拟合分布

Question

假设我有 gamma=10 的泊松分布。我想拟合一个高斯分布，它可以最小化泊松分布的 KL 散度。这可以通过变分推理来实现。我如何使用 Stan 来进行此优化？

参考手册有一章是关于VI的，但只提供了一些关于如何在内部实现的高级信息，而不是如何使用它。

用户指南在第22.2章中提到了VI，但仅对其效率进行了一些一般性评论。

SO 的相关问题可能是：PyStan API 中的变分推理？

但这只是询问 advi 是否已经在 PyStan 中实现（它已经实现了）。没有更多信息。

Answer 1

CmdStanPy 包含一个示例笔记本：

• https://cmdstanpy.readthedocs.io/en/latest/variational_bayes.html

• https://github.com/stan-dev/cmdstanpy/blob/master/docs/notebooks/Variational%20Inference.ipynb