我所读到的说，输出是输入，如果您有错误试图重建观察结果，则它是异常的。这对我来说很有意义。我遇到的问题是：
我熟悉监督方法，所以这就是我的想法。通常，当您制作模型时，您会有一个观察结果，通常具有许多功能，这会导致结果。您将了解这些功能如何与结果相关。
对于自动编码器，每个观察值都使用N-1特征来预测剩余功能吗？该模型是在假设一些隐藏结构的情况下创建的，然后它尝试像这样重建它吗？
有点困惑，谢谢
我读过的说输出是输入
严格来说，我们希望输出为" CLOSSER "作为输入。在机器学习中，我们具有损失函数（例如，横向熵，L2-Norm），输出的"接近"输出的"接近"，损失的损失就越少。但是输入和输出的 dimensions 是相同。
如果您有错误试图重建观察结果，则是异常
在自动编码器中，隐藏层的神经元的数量 比输入层的神经元数小。鉴于此，一部分信息在重建过程中丢失。
对于自动编码器，每个观察值都确实使用N-1功能
什么是n？您可以选择任意数量的隐藏层的神经元，只要该数字小于输入。