我正在使用自动编码器进行无监督学习。我在想（在测试中）跳过一个输入是否会影响输出精度，因为我的输入都是名义输入和数字输入。在没有一个输入的情况下，它能保持输入之间的关系并准确预测吗？
我在想（在测试中）跳过一个输入是否会影响输出的准确性。。。
你的问题很笼统，但简而言之：这取决于情况。
例如，如果你有1000个输入，训练规模为1000000，那么"跳过一个输入"可能仍然有效。然而，如果有两个输入，那么跳过一个输入将产生巨大的差异。
然而，为了获得更大的弹性，可以对网络进行结构化，以便在输入错误的情况下进行更好的模式识别。关于这一点有很多文献，但出于理论目的，我将在给定某些假设的情况下概述一种可能的方法。
假设有足够数量的输入，并假设有足够的测试数据，你可以从你的系统中创建N个隐藏的神经网络，N-1个输入的每个组合都有一个。这将是笨拙的，但也是可能的，事实上还有更好的方法（但下一段会有更多）。然后在你的训练集中，如果你跳过其中一个输入，其中一个隐藏的网络将被非常准确地训练用于该输入。通过这种方式，您的网络可以被训练为允许丢失输入。
事实上，您不需要单独考虑丢失输入的N种可能性中的每一种。神经网络有很多异花授粉，所以一个足够密集的隐藏网络应该做得很好。