我使用autoencoder进行无监督学习。我在考虑是否跳过一个输入[在测试中]会影响输出精度，因为我的输入是名义和数字。是否能够保持输入之间的关系，并在没有输入的情况下准确预测？
答案 0 :(得分：0)
我在考虑跳过一个输入[在测试中]是否会影响输出准确性......
你的问题非常笼统，但简而言之：取决于它。
例如，如果您有1000个输入且训练大小为1,000,000，那么＆＃34;跳过一个输入＆＃34;可能还会有效。然而，用2个输入，然后跳过一个输入将产生巨大的差异。
但是，为了获得更大的弹性，您的网络可以进行结构化，以便通过错误的输入实现更好的模式识别。有LOT of literature on this，但出于理论目的，我将概述给定某些假设的可能方法。
假设有足够数量的输入，并假设有足够数量的测试数据，您可以从系统中创建N个隐藏神经网络，每个N-1输入组合一个。这将是笨拙的，但可能，并且实际上有更好的方法（但更多的是关于下一段）。然后在您的训练集中，如果您跳过其中一个输入，则将非常准确地训练其中一个隐藏网络以用于此输入。通过这种方式，您的网络可以接受培训，以便输入缺失。
实际上，您不需要独立考虑缺失输入的N种可能性中的每一种。神经网络有很多交叉授粉，所以一个足够密集的隐藏网络应该做得很好。