其中,稀疏自编码器的模型参数为:W(1),b(1),W(2),b(2)。对于稀疏自编码器模型来说,隐含层代表的是特征的另一种表示,可能是一种更好的表示,如下图所示:
?...假设有mlm_l个标注的样本{(x(1),y(1)),(x(2),y(2)),⋯,(x(m1),y(ml))},利用稀疏自编码模型得到更好的特征表示。...(1)),(a(2),y(2)),⋯,(a(m1),y(ml))}或者是级联表示{((x(1),a(1)),y(1)),((x(2),a(2)),y(2)),⋯,((x(m1),a(m1)),y(ml)...对于上述的特征表示,可以对其使用常用的分类器,如SVM,Logistic回归等等对其进行学习和预测。...{a},利用替代表示,得到新的数据集表示形式{(a(1),y(1)),(a(2),y(2)),⋯,(a(m1),y(ml))},我们需要训练的是从特征a到标签yy的映射,可以使用logistic回归分类器