当使用自动编码器创建非线性降维特征时，更常见的是使用网络的输出（输入特征的预测）还是使用来自（或如果有多个）的权重隐藏层？如果使用隐藏层，是否使用隐藏层激活作为从隐藏层到输出的特征或权重？
用于特征创建的自动编码器
数据挖掘
机器学习
神经网络
2022-02-23 19:06:52
1个回答
当您想使用自动编码器 (AE) 进行降维时，通常会添加一个瓶颈层。这意味着，例如，您有 1234 维数据。你将它输入你的 AE，并且 - 因为它是一个 AE - 你有一个维度为 1234 的输出。但是，你可能在那个网络中有很多层，其中一个层的维度要少得多。假设您有拓扑1234:1024:784:1024:1234。你像这样训练它，但你只使用1234:1024:784零件的重量。
当你得到新的输入时，你只需将它输入这个网络。您可以将其视为一种预处理。对于后期阶段，这是一个黑匣子。
当您有大量未标记的数据时，这非常有用。它被称为半监督学习（SSL）。
其它你可能感兴趣的问题