Autoencoder は、データから有意義な機能を抽出するために、監視されていない学習のために使用されるニューラルネットワークです。 それらは、ラベル付きデータなしで寸法を減らし、重要なパターンをキャプチャするのに有効です。 この記事では、機能抽出用のオートエンコーダを作成する方法について説明します。

Autoencoder の理解

autoencoder はエンコーダとデコーダで構成されています。エンコーダは、入力データを下次元表現に圧縮し、ラテンドスペースと呼ばれる。デコーダはこの圧縮フォームから元のデータを再構築します。この目標は、トレーニング中に入力と出力の違いを最小限に抑えることです。

Autoencoder の構築

オートエンコーダを作成するには、入力、非表示、および出力レイヤーでアーキテクチャを定義します。エンコーダは、デコーダが元の入力を再構築しようとする間、データ寸法を削減します。ReLUやシグマドなどのアクティベーション機能を使用して、非線形性を紹介します。

データセットを使用してオートエンコーダを訓練し、例えば、四角形のエラーなどの損失機能の最適化。訓練されると、エンコーダ部分は、さまざまな機械学習タスクで適用することができる新しいデータから機能を抽出するために使用することができます。

Autoencoder のアプリケーション

Autoencoder は、以下の複数の領域で使用されます。

  • 寸法精度の低減
  • 異常検知
  • データ収集
  • 分類のための特徴抽出