[問題] Autoencoder屬於監督式學習or非監督式學

[ctr1 (【積π】)]

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://www.ptt.cc/bbs/DataScience/M.1622440995.A.CD3.html
→ SYH: garbage in garbage out. 如果丟一堆爛資料進去 最後還是無法
→ 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
推 KuChanTung: 非監督式學習 而且屬於一種生成模型
推 yoyololicon: AE也是可以做分類啦 latent space做clustering之類的
推 wtchen: AE是純粹的濃縮再解濃縮，可以用來做分類
→ wtchen: 用來當生成模型也行，訓練好用decoder那一半就行
→ wtchen: AE當然可以用監督式學習訓練，非監督式應該也OK
→ wtchen: 不過訓練演算法要配合資料，沒match好就是垃圾進垃圾出
推 greenty: 你這個叫data preprocessing 把資料弄乾淨 不叫監督式學
→ greenty: 習
→ greenty: garbage in = garbage out . 把垃圾清一清，跟label過的g
→ greenty: ood data是不一樣的事
推 lobZter: 模型會去fit占多數的正常資料, 餵壞資料時, reconstruct
→ lobZter: error會偏大, 就能判別是壞資料了