🗝 Keyword

📑 Concept

AutoEncoder(오토인코더)

• 입력 데이터를 저차원의 벡터로 압축한 뒤 원래 크기의 데이터로 복원하는 신경망

AutoEncoder 구조

• 모래시계 / 종이컵 2개 / 나비 넥타이 / 리본 형태

인코더

• 입력 데이터(=원본 데이터) -> 저차원 벡터로 축소

Latent(잠재) 벡터

• 원본 데이터보다 차원이 작으면서 원본 데이터의 특징을 잘 보존하고 있는 벡터

• 원본 데이터 특징 보존

• 원본 데이터 > 잠재 벡터

• 잠재 벡터 크기 지정

  • 사용자가 직접 지정
    -> 원본 데이터보다만 작으면 됨

디코더

• 원래 크기의 데이터로 복원

• 디코더로 다시 차원 늘려주는 이유

  • 특징이 잘 보존됐는지 확인하기 위해

AutoEncoder 목적

• 잠재 벡터를 만드는 것
  => 원본 데이터의 특징 보존

• 차원 축소하는 이유

  • 차원의 저주 해결하기 위해

• 차원 마음대로 축소 가능?
  -> 가능 (매니폴드 학습 Manifold Learning)

• AutoEncoder -> 비지도 학습도 가능

AutoEncoder 활용

• 차원 축소(Dimensionality Reduction) 및 데이터 압축

• 데이터 노이즈 제거(Denoising)

• 이상치 탐지(Anomaly Detection)