{
  "id": "evidence-lower-bound",
  "title": "证据下界",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "证据下界是对数边际似然的变分下界，用于近似推断和概率模型学习。",
  "category": "mathematics",
  "subcategory": "probability-statistics",
  "type": "concept",
  "aliases": [
    "ELBO",
    "变分下界",
    "证据下限"
  ],
  "generated_at": "2026-10-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/evidence-lower-bound/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/evidence-lower-bound/",
      "json": "https://aiwiki.page/en/evidence-lower-bound.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "证据下界（ELBO）是变分推断中使用的一种目标函数，用于近似原本难以处理的概率分布。它是模型边际似然（也称为证据）的对数的下界。最大化 ELBO 可以使近似分布在某种特定散度的意义下更接近精确后验，同时避免直接计算证据。它在近似贝叶斯推断以及机器学习中的潜变量模型学习中都具有核心地位。（cs.columbia.edu）"
    },
    {
      "heading": "数学定义",
      "text": "设 \\(x\\) 表示观测数据，\\(z\\) 表示未观测变量，\\(\\theta\\) 表示模型参数。联合概率分布写为\n\n\\[p_\\theta(x,z)=p_\\theta(x\\mid z)p_\\theta(z),\\]\n\n其中，\\(p_\\theta(z)\\) 是先验分布，\\(p_\\theta(x\\mid z)\\) 给出似然函数。计算证据需要对 \\(z\\) 进行边际化：\n\n\\[p_\\theta(x)=\\int p_\\theta(x,z)\\,dz.\\]\n\n对于离散变量，积分改为求和。精确的后验分布为 \\(p_\\theta(z\\mid x)=p_\\theta(x,z)/p_\\theta(x)\\)。即使联合密度可以求值，这些量的计算仍可能十分困难。（cs.columbia.edu）\n\n对于近似分布 \\(q(z)\\)，定义\n\n\\[\\mathcal L(q,\\theta;x) =\\mathbb E_q\\!\\left[ \\log p_\\theta(x,z)-\\log q(z) \\right].\\]\n\n这里，\\(\\mathbb E_q\\) 表示在分布 \\(q\\) 下的期望值。其定义关系为\n\n\\[\\log p_\\theta(x) =\\mathcal L(q,\\theta;x) +D_{\\mathrm{KL}}\\!\\left(q(z)\\,\\|\\,p_\\theta(z\\mid x)\\right).\\]\n\n由于KL散度非负，因此 \\(\\mathcal L\\leq\\log p_\\theta(x)\\)。等号成立当且仅当近似后验分布与精确后验分布几乎处处相同。这个恒等式要求证据为正且有限，并且相关期望有适当的定义；若支持集不相容，ELBO 则可能为负无穷。（cs.columbia.edu）"
    },
    {
      "heading": "推导与等价形式",
      "text": "将后验分布代入散度，即可得到上述分解：\n\n\\[\\begin{aligned} D_{\\mathrm{KL}}(q\\|p_\\theta(z\\mid x)) &=\\mathbb E_q[ \\log q(z)-\\log p_\\theta(z\\mid x)]\\\\ &=\\mathbb E_q[ \\log q(z)-\\log p_\\theta(x,z)] +\\log p_\\theta(x). \\end{aligned}\\]\n\n整理后便得到 ELBO 恒等式。另一种推导方式是：当 \\(q\\) 覆盖联合分布在 \\(z\\) 上的支持集时，对凹函数对数应用詹森不等式，可得\n\n\\[\\log\\mathbb E_q\\!\\left[ \\frac{p_\\theta(x,z)}{q(z)} \\right] \\geq \\mathbb E_q\\!\\left[ \\log\\frac{p_\\theta(x,z)}{q(z)} \\right].\\]\n\n此时，左侧就是 \\(\\log p_\\theta(x)\\)。（cs.columbia.edu）\n\n以下两种等价表达式突出了不同的解释：\n\n\\[\\mathcal L =\\mathbb E_q[\\log p_\\theta(x,z)]+H(q)\\]\n\n以及\n\n\\[\\mathcal L =\\mathbb E_q[\\log p_\\theta(x\\mid z)] -D_{\\mathrm{KL}}(q(z)\\|p_\\theta(z)).\\]\n\n第一种将对数联合密度的期望与信息熵相结合；对于连续变量，\\(H(q)\\) 为微分熵。第二种则在数据拟合程度与偏离先验的程度之间进行权衡。ELBO 的负值通常称为变分自由能，不过不同领域采用的符号约定有所不同。（arxiv.org）"
    },
    {
      "heading": "优化与期望最大化",
      "text": "固定 \\(\\theta\\) 时，在分布族 \\(\\mathcal Q\\) 上最大化 ELBO，等价于最小化 \\(D_{\\mathrm{KL}}(q\\|p_\\theta(z\\mid x))\\)。因此，推断转化为数学优化问题。若分布族受到限制，即使达到其全局最优解，下界与对数证据之间仍可能存在非零差距。（jmlr.org）\n\n一种常见选择是因子化分布族，也称为平均场分布族，即 \\(q(z)=\\prod_jq_j(z_j)\\)。坐标上升更新在固定其他因子的同时，优化其中一个因子：\n\n\\[\\log q_j^*(z_j) =\\mathbb E_{q_{-j}}[\\log p_\\theta(x,z)] +\\text{常数}.\\]\n\n该常数用于使因子归一化。精确执行这些更新可以提高目标函数值，但通常不保证找到全局最大值。（jmlr.org）\n\n期望最大化算法也可以作同样的变分解释。其 E 步将 \\(q\\) 设为当前的精确后验，使下界达到对数证据。其 M 步通过调整 \\(\\theta\\) 提高下界，从而提高或保持观测数据的对数似然。变分 EM 则对 \\(q\\) 加以限制，在无法进行精确推断时允许采用近似 E 步。仅仅提高一个不紧的下界，并不能保证真实证据也随之提高。（cs.toronto.edu）"
    },
    {
      "heading": "神经网络模型与随机计算",
      "text": "在变分自编码器中，推断网络给出 \\(q_\\phi(z\\mid x)\\)，生成网络则定义 \\(p_\\theta(x\\mid z)\\)。两组参数都通过 ELBO 进行优化。对数似然的期望通常称为重构项，而相对于先验的散度起到正则化作用。将负 ELBO 作为损失函数并使其最小化，表达的是同一个优化问题。（arxiv.org）\n\n重参数化技巧可以构造可微的采样过程，例如\n\n\\[z=\\mu_\\phi(x)+\\sigma_\\phi(x)\\odot\\epsilon, \\qquad \\epsilon\\sim\\mathcal N(0,I),\\]\n\n其中，\\(\\odot\\) 表示逐元素乘法。这使得通过采样得到的潜变量估计梯度成为可能。自动微分与随机梯度下降等方法支持可扩展的优化；随机变分推断还利用数据子采样，对大规模数据集进行模型拟合。（arxiv.org）"
    },
    {
      "heading": "解释与局限",
      "text": "精确的 ELBO 是一个下界，但由于采样波动，基于有限样本的随机估计值可能超过对数证据。因此，在数值优化中，需要区分数学上的目标函数与其带噪声的估计值。（arxiv.org）\n\n近似结果也取决于散度的方向。最小化 \\(D_{\\mathrm{KL}}(q\\|p)\\) 可能倾向于使近似分布集中在后验的某个众数附近；因子化则可能削弱变量间的依赖关系，并低估不确定性。因此，ELBO 较高本身并不能证明后验不确定性得到了准确刻画。（cs.columbia.edu）\n\n重要性加权目标通过在对数内部对多个重要性权重取平均，扩展了这一构造。这类目标在期望意义下给出的下界不比单样本 ELBO 更松，并且能够更好地适应复杂的后验分布。不过，它们仍是不同的目标函数：证据下界是否更紧，与优化表现是否更好，是两个不同的问题。（arxiv.org）"
    }
  ],
  "links": [
    "variational-inference",
    "objective-function",
    "marginal-likelihood",
    "bayesian-inference",
    "machine-learning",
    "joint-probability-distribution",
    "prior-distribution",
    "likelihood-function",
    "posterior-distribution",
    "expected-value",
    "kullback-leibler-divergence",
    "jensens-inequality",
    "information-entropy",
    "differential-entropy",
    "mathematical-optimization",
    "expectation-maximization-algorithm",
    "variational-autoencoder",
    "regularization",
    "loss-function",
    "gradient",
    "automatic-differentiation",
    "stochastic-gradient-descent"
  ],
  "sources": [
    {
      "title": "cs.columbia.edu/~blei/papers/BleiKucukelbirMcAuliffe2017.pdf",
      "url": "https://www.cs.columbia.edu/~blei/papers/BleiKucukelbirMcAuliffe2017.pdf"
    },
    {
      "title": "arxiv.org/abs/1312.6114",
      "url": "https://arxiv.org/abs/1312.6114"
    },
    {
      "title": "jmlr.org/papers/v18/16-107.html",
      "url": "https://www.jmlr.org/papers/v18/16-107.html"
    },
    {
      "title": "jmlr.org/papers/volume14/hoffman13a/hoffman13a.pdf",
      "url": "https://www.jmlr.org/papers/volume14/hoffman13a/hoffman13a.pdf"
    },
    {
      "title": "cs.toronto.edu/~hinton/absps/emk.pdf",
      "url": "https://www.cs.toronto.edu/~hinton/absps/emk.pdf"
    },
    {
      "title": "arxiv.org/abs/1509.00519",
      "url": "https://arxiv.org/abs/1509.00519"
    }
  ],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}