除了异常检测之外，是否还有其他的例子可以用于无监督的深度学习？

Question

我对深入学习及其概念是陌生的。在阅读了一段时间后，我了解到无监督的深度学习技术通常试图重建输入数据(可能使用编码器和解码器的维数较少)，并通过优化重构误差来训练网络。但是，我无法想象这些方法是如何用于解决实际任务的(除了异常检测，例如聚类)。

注意:如果我对无监督的深度学习技术的理解是错误的，你可以纠正我。

Answer 1

推荐系统

在推荐系统中，提取信号和提出建议的思想非常普遍，例如交替最小二乘和奇异值分解方法。

自动编码器非常适合，降低维数(编码器部分)应有助于提取信号。网络中的权重代表了我们训练过的所有用户的行为，但是我们不想捕获所有的内容，我们只想捕获最重要的部分。编码器(或瓶颈)输出的大小控制降维量。

使用它非常简单：

1)在输入和输出用户分级的情况下，对编解码器模型进行训练，比如用户电影分级。

2)要为用户生成推荐，只需通过编解码器传递用户当前的评分，就可以得到可用于推荐的分数。