[TIL] 84. AutoEncoder

키워드

• 오토인코더
• 잠재벡터
• 차원 축소, 데이터 압축
• 이상치 탐지, 노이즈 제거

오토인코더(AutoEncoder)

• 입력 데이터를 저차원의 벡터(잠재 벡터; Latent Vector)로 압축한 뒤 원래 크기의 데이터로 복원하는 신경망
• 궁극적으로 보다 나은 잠재 벡터를 얻는 것이 그 목적이기도 합니다.

잠재벡터(Latent Vector)

• 원본 데이터보다 차원은 작으면서, 그 특징은 잘 보존하고 있는 벡터

오토인코더 활용

• 차원 축소 및 데이터 압축

• 데이터 노이즈 제거 : 학습 시 train data는 노이즈가 있는 데이터이고 정답데이터는 훈련 데이터 원본(노이즈가 없는)임을 주의합니다.

• 이상치 탐지 : 정상 데이터를 복원하는 과정에서 특정 임계치를 구하고 정상 데이터로만 훈련된 오토인코더 모델에 비정상 데이터를 복원하면 복원 오류가 증가하게 됩니다. 이 때, 복원 오류가 임계치를 초과하는 경우 이상 데이터로 판단하게 됩니다.