期望傳播（EP）是貝葉斯機器學習中的一種技術。EP找到概率分布的近似值。它使用一種迭代方法，使用目標分布的因子化結構。它與其他貝葉斯近似方法不同，如變異貝葉斯方法。更具體地說，假設我們希望近似一個難以處理的概率分布{displaystylep(mathbf{x})}用一個可操作的分布來近似一個難以處理的概率分布p(x)用一個可操作的分布

{displaystyleq(mathbf{x})}與可處理的分布q(x)。.期望傳播通過最小化Kullback-Leibler分歧來實現這一近似值{displaystylep(mathbf{x})}等于p(x)的平均值。{displaystylep(mathbf{x})}和p(x)的協方差。這被稱為時刻匹配。應用通過時刻匹配的期望傳播在為TrueSkill推導消息傳遞方程時出現的指標函數的近似中起著重要作用。