machine-learning - 自动编码器可以用于重建非二进制向量吗？

Question

我最近了解了自动编码器，并计划构建一个作为具有隐式反馈的推荐系统的一部分。

根据经典自动编码器的工作原理，它们似乎可用于重构分量不一定为 0 或 1 的向量。然而，所有介绍性材料似乎都表明自动编码器对二进制向量进行操作，x = [0,1] ^d，如此处，或本文第 2.2 节。

为了将自动编码器用于非二进制向量，在我看来唯一的区别是应该使用 L2 误差函数而不是适用于二进制情况的交叉熵。

如果有人可以为我澄清这一点，我将不胜感激。

Answer 1

你混淆了符号

x e [0, 1]^d

表示“x 属于作为 d 维单位超立方体的空间”。要说“x 是长度为 d 的二进制向量”，你会写

x e {0, 1}^d

注意不同的括号。[0, 1]是一个区间，而不是一组 2 个元素。

因此，没有人声称自动编码器需要二进制输入，但它不需要，它是在整个 R^d 空间中定义的（但是由于各种原因，使用来自某个有限子集的值更容易，因此 [0, 1] 超立方体，我们有很好的初始化启发式方法）。