← 返回卡片

原书出处

数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow

12 第12章 基于LSTM-Autoencoder的无监督聚类模型 12.3 SQLFlow中基于深度学习的聚类模型

核验版本的摘录快照 · 导入于 2026-11-14T09:43:22.284Z

首先,我们了解一下提前训练好的自编码器。自编码器本质上也是一种无监督学习算法,因为在训练过程中,它仅读取和解构图像本身,无须定义标签。自编码器在原理上是一种数据压缩算法,由两个部分构成:编码器和解码器。编码器用于将输入数据压缩到较低维度特征。例如一个28像素×28像素的MNIST图像样本共有784个像素,我们构建的编码器可以将其压缩为只有10个浮点数的数组,也称为图像特征。另一方面,解码器将压缩特征作为输入,尽可能地重建与原始图像接近的

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow/_epub-src/OEBPS/Text/part0068.xhtml

EPUB SHA-256:b9d74c3cb9a87547f425283a2273004c2d73de2c2b50ebf97c2ab3336ae5d102