变分推断入门：用优化问题近似难算的后验分布

Matthew N. Bernstein 发布一篇约 5 分钟的变分推断科普文章，把难算的后验 P(Z|X) 转化为优化问题：找一个分布 q(z)，通过最小化它与真实后验的差异（如 KL 散度）得到近似后验。原因是贝叶斯公式分母 p(x) 需要对 z 积分，通常没有闭式解，只能近似。该方法是 VAE 等生成模型与现代概率机器学习的基础工具，文章用直觉化方式讲解，适合入门。