PTT數位生活區 / DataScience

[問題] Autoencoder屬於監督式學習or非監督式學

看板DataScience作者 (【積π】)時間3年前 (2021/05/31 14:03), 編輯推噓5(5推 0噓 9→)
留言14則, 6人參與, 最新討論串1/2 (看更多)
圖像瑕疵檢測常常遇到都只有正常的資料 異常的資料非常少 所以會使用autoencoder的方法(或有更好的方法) 資訊上都寫autoencoder是非監督式學習 但有個疑問 1.不需要管資料直接把所有不論好壞都去訓練(因為不需要標記) 2.還是只把好的去訓練就好 這樣還是要先分好壞，再把好的去訓練 這樣不就又屬於監督式學習了嗎 希望前輩給點指教 感謝 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 118.160.183.71 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1622440995.A.CD3.html
→
05/31 14:17, 3年前 , 1F
garbage in garbage out. 如果丟一堆爛資料進去 最後還是無法
05/31 14:17, 1F
→
05/31 14:17, 3年前 , 2F
訓練編碼器學習到好的壓縮、解壓縮方式，這與有沒有標記無關
05/31 14:17, 2F
推
05/31 14:40, 3年前 , 3F
非監督式學習 而且屬於一種生成模型
05/31 14:40, 3F
推
05/31 23:07, 3年前 , 4F
AE也是可以做分類啦 latent space做clustering之類的
05/31 23:07, 4F
推
06/01 04:30, 3年前 , 5F
AE是純粹的濃縮再解濃縮，可以用來做分類
06/01 04:30, 5F
→
06/01 04:31, 3年前 , 6F
用來當生成模型也行，訓練好用decoder那一半就行
06/01 04:31, 6F
→
06/01 04:32, 3年前 , 7F
AE當然可以用監督式學習訓練，非監督式應該也OK
06/01 04:32, 7F
→
06/01 04:33, 3年前 , 8F
不過訓練演算法要配合資料，沒match好就是垃圾進垃圾出
06/01 04:33, 8F
推
06/08 04:51, , 9F
你這個叫data preprocessing 把資料弄乾淨 不叫監督式學
06/08 04:51, 9F
→
06/08 04:51, , 10F
習
06/08 04:51, 10F
→
06/08 04:53, , 11F
garbage in = garbage out . 把垃圾清一清，跟label過的g
06/08 04:53, 11F
→
06/08 04:53, , 12F
ood data是不一樣的事
06/08 04:53, 12F
推
06/19 04:03, , 13F
模型會去fit占多數的正常資料, 餵壞資料時, reconstruct
06/19 04:03, 13F
→
06/19 04:03, , 14F
error會偏大, 就能判別是壞資料了
06/19 04:03, 14F
‣ 更多 ctr1 的文章
文章代碼(AID): #1Wj7mZpJ (DataScience)
DataScience 近期熱門文章
更多 近期熱門文章 >>
PTT數位生活區 即時熱門文章
更多 即時熱門文章 >>
‣ 更多 ctr1 的文章
文章代碼(AID): #1Wj7mZpJ (DataScience)