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。
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