Praxiseinstieg Machine Learning mit Scikit-Learn und TensorFlow

KAPITEL 15

Autoencoder

Autoencoder sind künstliche neuronale Netze, die eine effiziente Repräsentation der Eingabedaten, die Condings, ohne jegliche Überwachung erlernen können (d.h., der Trainingsdatensatz enthält keine Labels). Diese Codings haben üblicherweise eine viel niedrigere Dimensionalität als die Eingabedaten, was Autoencoder für die Dimensionsreduktion einsetzbar macht (siehe Kapitel 8). Vor allem aber sind Autoencoder bei der Merkmalserkennung mächtig und lassen sich zum unüberwachten Vortrainieren von Deep-Learning-Netzen einsetzen (wie in Kapitel 11 besprochen). Schließlich können Sie zufällige neue Daten generieren, die den Trainingsdaten sehr ähnlich sind; dies nennt man ein generatives Modell. Beispielsweise könnten Sie einen ...