我是深度学习及其概念的新手。在阅读了一段时间后，我了解到无监督深度学习技术通常会尝试重建输入数据（可能使用编码器-解码器的维数较少）并通过优化重建误差来训练网络。但我无法想象这些如何用于解决现实生活中的任务（异常检测除外，例如聚类）。
注意：如果我对无监督深度学习技术的理解有误，您可以纠正我。
除了异常检测之外，还有无监督深度学习有用的例子吗？
数据挖掘
深度学习
聚类
无监督学习
2022-03-04 17:41:28
1个回答
推荐系统
在推荐系统中，提取信号并用于推荐的想法非常普遍，例如交替最小二乘法和奇异值分解方法。
自动编码器非常适合，降低维数（编码器部分）应该有助于提取信号。网络中的权重代表我们训练过的所有用户的行为，但我们不想捕获所有这些，我们只想捕获最重要的部分。编码器（或瓶颈）的输出大小控制降维量。
使用它非常简单：
1）你训练编码器-解码器模型，比如说，用户电影评分，其中用户评分是输入和输出。
2）要为用户生成推荐，只需通过编码器-解码器传递用户当前的评分，您就有可用于推荐的分数。