深度学习与特征

深度学习，就是将我们输入转换成一个高维的向量，一定程度上可以理解为编码，或者为压缩。

然后，我们才可以用这个特征去分类、回归或者其他任务。

例如，将这几个图形分为两类，可以按着形状或者颜色分类或形状分类，上面的模型关注颜色，下面的模型关注形状，具有提取形状特征的能力。

无监督学习的意义

食物分类的例子中，所有的数据都没有标签。大部分的数据都没有标签的。

机器学习：

降维：PCA主成分分析，之前新冠任务中的降维。

聚类。

深度学习方法：

生成对抗网络。GAN

自监督学习：对比学习和生成式自监督。

无监督学习：Unsupervised learning

对比学习：让自己和自己靠的更近，把自己和自己的增广作为一类 。

simsaim

生成式自监督

autoencoder自编码器，把自己的一部分当做学习的目标。

encoder具有很强的特征提取能力。 

文字中的自监督