期望传播

期望传播（EP）是贝叶斯机器学习中的一种技术。EP找到概率分布的近似值。它使用一种迭代方法，使用目标分布的因子化结构。它与其他贝叶斯近似方法不同，如变异贝叶斯方法。更具体地说，假设我们希望近似一个难以处理的概率分布{displaystylep(mathbf{x})}用一个可操作的分布来近似一个难以处理的概率分布p(x)用一个可操作的分布

{displaystyleq(mathbf{x})}与可处理的分布q(x)。.期望传播通过最小化Kullback-Leibler分歧来实现这一近似值{displaystylep(mathbf{x})}等于p(x)的平均值。{displaystylep(mathbf{x})}和p(x)的协方差。这被称为时刻匹配。应用通过时刻匹配的期望传播在为TrueSkill推导消息传递方程时出现的指标函数的近似中起着重要作用。