请向我解释自动编码器

Question

我读到的内容是输出是输入，如果你在尝试重建观察时出错，那么它就是异常的。这对我来说很有意义。我遇到的问题是：

我熟悉有监督的方法，所以这就是我的想法。通常，当您制作模型时，您会有一个观察结果，通常具有许多特征，这会导致结果。您将了解这些特征与产生结果的关系。

对于自动编码器，是否每个观察都使用 n-1 个特征来预测剩余特征？该模型是在假设一些隐藏结构的情况下创建的，然后它试图像那样重建它？

有点困惑，谢谢

Answer 1

我读到的是输出就是输入

严格来说，我们希望输出与输入一样“close”。在机器学习中，我们有一个损失函数（例如，交叉熵、L2-范数），输出与输入“越接近”，损失就越小。但是输入和输出的维度是相同的。

如果您在尝试重建观察时出错，那么它就是异常

在自动编码器中，隐藏层的神经元数量小于输入层的神经元数量。鉴于此，在重建过程中会丢失部分信息。

对于自动编码器，是否每个观察都使用 n-1 个特征

什么是n？隐藏层可以选择任意数量的神经元，只要小于输入的数量即可。