【生成式模型】
【自动编码器】
自动编码器是一种无监督(其特点是训练样本数据的标记信息未知,因此其目标往往是要通过对无标签训练样本的学习来揭示出数据的内在规律)的神经网络模型,其目标是通过训练网络忽略信号“噪声”,从而得到数据的低维度表示(编码)。
自动编码器的作用:
- 作为特征提取器:中间表示z的维度通常小于输入x的维度,这就使得自动编码器能学习到数据中最重要的特征,学习得到的特征可以在后续的有监督学习方法中使用。
- 在降维以后,可以方便进行可视化等后续的处理。因为自动编码器可以学习到类似通过PCA得到的数据投影。
堆栈自动编码器:堆栈自动编码器本质上就是增加中间特征层数。
用自动编码得到新特征
模型被训练完毕后,往往说明编码器可以很好的编码,即得到了新的有意义的特征