我不明白自动编码器是如何实现降维的,因为它学会了将数据从输入层压缩成一段短代码,然后将该代码解压缩到原始数据中,我看不出降维在哪里:输入数据和输入数据具有相同的维数?
发布于 2018-06-13 12:49:02
使用编码器和解码器部分对自动编码器进行训练,但经过训练后只使用编码器,并对解码器进行销毁。
因此,如果你想得到降维,你必须设置一个维度的编码器和解码器之间的层低于输入的维度。然后丢弃解码器,并使用中间层作为输出层。
发布于 2018-09-12 15:00:49
为了更好地理解,我在这里添加了一幅图片。自动编码器采用神经网络策略。自动编码器由编码器和解码器组成。它一半的编码器,剩下的是解码器。根据图像有多个特征,x1, x2,x3和编码器对其进行编码,并提供z1和z2作为输出。因此,z1和z2是编码输出。相反,如果您再次以相同的方式解码,您将得到输入。但是,它可能与输入不完全相同。但是,它很接近输入。基本上取决于错误率。

自动编码器用于减少多维特征,如图片所示。解码器部分用于测量自动编码器是否预成形。我的意思是测量编码特征的错误率。大多数情况下,在对模型进行训练后,解码器仍未使用。
https://datascience.stackexchange.com/questions/33084
复制相似问题