自编码器

自编码机可以认为是一种无监督学习方式，它的神奇之处在于，通过自编码机，我们可以自动地从数据所有输入特征中，精炼特征。

预测模型

自编码机的精髓在于，它将同样的数据作为神经网络的两端，进行训练，使得原始数据能够经过神经网络进行编码，然后再解码，恢复到原来的模样。如下图结构所示：

输入在最中间的一层获得编码。

在大体上，损失模型和训练方法与普通神经网络类似。但是下面讲一些具体的自编码机，他们都具有这种基础结构，但是在细节上又有所不同。

不完整的自编码机（用于执行PCA）

当自编码机最中间的编码层神经元数量少于输入时，我们称其为不完整的。在这个时候，我们可以从高维输入特征中提取出低维特征。