🔑 名詞卡
自編碼器（Autoencoder）
🎯 定義
一種學習輸入資料高效表示（編碼）的非監督式學習模型，由編碼器（壓縮至瓶頸層 Bottleneck Layer）與解碼器（重構回原維度）組成，透過最小化重構誤差進行訓練。
重點／應用
- 優點：降維、特徵學習、資料去噪（去噪自編碼器）、異常偵測（正常資料重構誤差小，異常資料重構誤差大）。
- 缺點：主要用於「重構」輸入，而非生成全新多樣的樣本；潛在空間通常缺乏連續性或結構。
記憶技巧
「編碼器壓縮成精華、解碼器還原成原樣，中間的瓶頸層就是資料的『濃縮心得』」。
易混淆
- vs GAN：自編碼器目標是「重構」輸入（學習壓縮表示）；GAN 目標是透過生成器與判別器的對抗學習「生成」全新樣本，這是兩者最本質的差異。
📖 課文原文「自編碼器（Autoencoder）是一種旨在學習輸入數據的高效表示（Efficient Representation）或編碼（Encoding）的非監督式學習模型，透過嘗試重構自身的輸入來達到學習目的。」