请向我解释自动编码器

Question

我读过的内容是输出是输入，如果你在尝试重建观察时遇到错误，那就是异常。这对我来说很有意义。我遇到的问题是：

我熟悉监督方法，所以这就是我的想法。通常情况下，当你制作一个模型时，你会有一个通常具有许多特征的观察结果。您将了解这些特征如何与产生结果相关联。

对于自动编码器，每个观察使用n-1个特征预测其余特征是否正确？假设一些隐藏的结构创建模型然后它尝试重建它？

有点困惑，谢谢

Answer 1

  

我读过的内容是输出是输入

严格来说，我们希望输出为“ close ”作为输入。在机器学习中，我们有一个损失函数（例如，交叉熵，L2范数），输出“更接近”输入，它将损失更少。但输入和输出的维度是相同。

  

如果您在尝试重建观察时遇到错误，那么它就是异常

在自动编码器中，隐藏层的神经元数量比输入层的神经元数量小。鉴于此，部分信息在重建期间丢失。

  

对于自动编码器，每次观察是否都使用n-1个特征

什么是n？只要数量小于输入数量，就可以为隐藏层选择任意数量的神经元。