自编码器(Auto-encoder)

自编码器是一种无监督学习算法，训练样本集合是没有带类别标签的，即

自编码器的基础是神经网络算法：在一个神经网络里，当我们设定，即输入等于输出时，神经网络相当于模拟了一个输入到自身的映射。一个自编码器就是这样一种三层的神经网络：

从第一层到第二层相当于是一个编码(encode)的过程，从第二层到第三层相当于是一个解码(decode)的过程。

在一个自编码器中，由于只有无标签数据，将输入信息(Input)输入到一个编码器(encoder)，就会得到一个编码(code)，之后再通过一个解码器(decoder)，就会得到一个输出信息(output)。如果这个“输出信息”和原始的“输入信号”是一样的，我们就有理由相信，中间得到的编码code是输入信息input的另外一个表示。通过调整编码器和解码器中的参数，来最小化重构误差，此时就可以得到编码code。从第二层(隐含层)到第三层(输出层)是正向运算，因此自编码器的第二层可以完整地描述输入信号，也就是可以从第二层中无损的将输入信号重构出来，即自编码。