تجربه شخصی در استفاده از auto encoder ها:
اتو انکودر در دیپ لرنینگ تقریبا کاری مشابه pca توی ماشین لرنینگ داره: کاهش ابعاد و denoising
درواقع یه اتوانکودر تک لایه خطی دقیقا معادل pca کار میکنه.
اما تفاوتشون در اینه که pca فقط یک تبدیل خطی میتونه انجام بده درحالی که اتوانکودر میتونه تبدیل غیرخطی هم انجام بده. تفاوت دیگه شون در اینه که وقتی از pca استفاده میکنی تنها چیزی که باهاش طرفی یه پارامتره که باید بگی به چند بعد کاهش بده. در حالی که وقتی از اتوانکودر استفاده میکنی با کلی هایپر پارامتر طرفی که باید تیون بشن!
و البته یکی از کاربردای اتوانکودر در دنیای واقعی، تشخیص کلاهبرداری هست(میتونین این مورد رو در مقاله های پایین پیدا کنین)
اگه علاقمند به فهمیدن جزییات اتوانکودرها و پیاده سازیشون در کتابخانه کراس(زبان پایتون) بودین به مقاله های پایین مراجعه کنین:.
لینک
لینک
لینک
#یادگیری_ماشینی #machineLearning #pca #autoencoder #denoise
@pythonicAI
اتو انکودر در دیپ لرنینگ تقریبا کاری مشابه pca توی ماشین لرنینگ داره: کاهش ابعاد و denoising
درواقع یه اتوانکودر تک لایه خطی دقیقا معادل pca کار میکنه.
اما تفاوتشون در اینه که pca فقط یک تبدیل خطی میتونه انجام بده درحالی که اتوانکودر میتونه تبدیل غیرخطی هم انجام بده. تفاوت دیگه شون در اینه که وقتی از pca استفاده میکنی تنها چیزی که باهاش طرفی یه پارامتره که باید بگی به چند بعد کاهش بده. در حالی که وقتی از اتوانکودر استفاده میکنی با کلی هایپر پارامتر طرفی که باید تیون بشن!
و البته یکی از کاربردای اتوانکودر در دنیای واقعی، تشخیص کلاهبرداری هست(میتونین این مورد رو در مقاله های پایین پیدا کنین)
اگه علاقمند به فهمیدن جزییات اتوانکودرها و پیاده سازیشون در کتابخانه کراس(زبان پایتون) بودین به مقاله های پایین مراجعه کنین:.
لینک
لینک
لینک
#یادگیری_ماشینی #machineLearning #pca #autoencoder #denoise
@pythonicAI