作者ctr1 (【積π】)
看板DataScience
標題[問題] Autoencoder屬於監督式學習or非監督式學
時間Mon May 31 14:03:13 2021
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://webptt.com/m.aspx?n=bbs/DataScience/M.1622440995.A.CD3.html
1F：→ SYH: garbage in garbage out. 如果丟一堆爛資料進去 最後還是無法 05/31 14:17
2F：→ SYH: 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
3F：推 KuChanTung: 非監督式學習 而且屬於一種生成模型 05/31 14:40
4F：推 yoyololicon: AE也是可以做分類啦 latent space做clustering之類的 05/31 23:07
5F：推 wtchen: AE是純粹的濃縮再解濃縮，可以用來做分類 06/01 04:30
6F：→ wtchen: 用來當生成模型也行，訓練好用decoder那一半就行 06/01 04:31
7F：→ wtchen: 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
8F：→ wtchen: 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
9F：推 greenty: 你這個叫data preprocessing 把資料弄乾淨 不叫監督式學 06/08 04:51
10F：→ greenty: 習 06/08 04:51
11F：→ greenty: garbage in = garbage out . 把垃圾清一清，跟label過的g 06/08 04:53
12F：→ greenty: ood data是不一樣的事 06/08 04:53
13F：推 lobZter: 模型會去fit占多數的正常資料, 餵壞資料時, reconstruct 06/19 04:03
14F：→ lobZter: error會偏大, 就能判別是壞資料了 06/19 04:03