VI və MCMC arasındakı trade-off fərqi nədir?

Varyasion İnferens (VI) və Markov Zənciri Monte Karlo (MCMC) bayes modellərində mürəkkəb posteriordan paylanma təxminləri üçün iki əsas yanaşmadır və onlar dəqiqlik və hesablama səmərəliliyi arasında kompromisə malikdir.

• MCMC posteriordan asimptotik olaraq dəqiq nümunələr təmin edir, lakin çox vaxt tələb edə bilər və böyük məlumatlar və ya mürəkkəb modellərdə yaxşı miqyaslana bilməyə bilər.

• VI təxmin tapşırığını optimallaşdırmaya çevirir, bu adətən daha sürətli və daha miqyaslana biləndir, lakin təxmin daha az dəqiq ola bilər və seçilmiş varyasionel paylanma ailəsindən asılıdır.

Beləliklə, kompromis aşağıdakı kimidir:

Metod	Dəqiqlik	Hesablama səmərəliliyi	Miqyaslanma qabiliyyəti
MCMC	Yüksək (asimptotik olaraq dəqiq)	Aşağı (müəyyən hesablamalar baha başa gəlir)	Məhduddur
VI	Orta (təyin olunan təxminə bağlıdır)	Yüksək (tez optimallaşdırma)	Yaxşı

Seçim dəqiqlik və resurs tələblərinə əsaslanır. Məhdud vaxt və böyük məlumatlar ilə işləyən tapşırıqlarda tez-tez VI seçilir, daha dəqiq analiz üçün isə MCMC istifadə olunur.