► 前言 要學習AI但硬體計算資源有限，可以從高維度數據中提取關鍵特徵，或如何降低數據的維度以節省計算資源，這就是自編碼器（AutoEncoder）發揮作用的地方。通過編碼器和解碼器的結構，AutoEncoder能夠將輸入數據壓縮成較低維度的表示，同時盡可能地重構出原始數據。本篇博文，我們將介紹Au

非監督學習簡單來說就是學習人類沒有標記過的數據。對於沒有標記的數據最常見的應用就是通過聚類(Clustering)的方式將數據進行分類。對於這些數據來說通常有非常多的維度或者說Features。如何降低這些數據的維度或者說“壓縮”數據，從而減輕模型學習的負擔，我們就要用到Autoencoder了。