Kā VI atšķiras no MCMC attiecībā uz trade-off?

Vairācijas inferenču (VI) un Markova ķēžu Monte Karlo (MCMC) ir divas galvenās pieejas sarežģītu posterior sadalījumu aproksimācijai Bayes modeļos, un tās atšķiras pēc kompromisa starp precizitāti un aprēķinu efektivitāti.

• MCMC nodrošina asimptotiski precīzus paraugus no posterior sadalījuma, bet bieži prasa daudz laika un var slikti mērogoties ar lieliem datu kopumiem vai sarežģītiem modeļiem.

• VI pārvērš aproksimācijas uzdevumu optimizācijā, kas parasti ir ātrāka un mērogojamāka, bet aproksimācija var būt mazāk precīza un ir atkarīga no izvēlētās variācijas sadalījuma ģimenes.

Tādējādi kompromiss ir šāds:

Metode	Precizitāte	Aprēķinu efektivitāte	Mērogojamība
MCMC	Augsta (asimptotiski precīza)	Zema (dārgi aprēķini)	Ierobežota
VI	Vidēja (atkarīga no aproksimācijas)	Augsta (ātra optimizācija)	Laba

Izvēle ir atkarīga no precizitātes un resursu prasībām. Ar ierobežotu laiku un lieliem datu kopumiem bieži izvēlas VI, bet precīzākām analīzēm — MCMC.