在对该主题进行了一些研究之后，我注意到依赖于 Python 和 R 的消息传递或优化方法的推理包和库的不足。

据我所知，这些方法非常有用。例如，对于贝叶斯网络（有向、非循环），仅信念传播就应该能够给出准确的答案。然而，大多数在线可用的推理软件（例如 STAN、BUGS、PyMC）都依赖于 MCMC 方法。

在 Python 案例中，据我所知，PyMC、scikit-learn 或 statsmodel 都不包含变分推理算法，例如信念传播、消息​​传递方法或其任何变体。

这是为什么？这些方法在实践中使用较少是因为它们被认为不如 MCMC 对应物强大或通用吗？还是仅仅是缺乏人力和时间的问题？