在 Keras 中使用自动编码器减少数据集的维度答案

【问题标题】：Reducing dimension of a DataSet with Autoencoders in Keras在 Keras 中使用自动编码器减少数据集的维度
【发布时间】：2021-10-14 05:45:35
【问题描述】：

我正在尝试减少数据集的实例和变量。我的数据集的形状是(x , y)，y 是列，x 是行。我想把它减少到(k, m)。

但是，在 Keras 中，我不知道如何告诉我的程序我想要那个编码维度。通常我使用input_shape = (y ,)，例如：

input_layer = Input(shape=(y, ))
encoder_layer_1 = Dense(m)(input_layer)
decoder_layer_1 = Dense(y)(encoder_layer_1)
autoencoder = Model(input_layer, decoder_layer_1)
autoencoder.compile(optimizer = 'adam', loss='mse')
encoder_model = Model(inputs=input_layer, outputs=encoder_layer_1)
encoded_train = pd.DataFrame(encoder_model.predict(X_train))

但是，如果我这样做，那么 encoded_train 的形状将是 (x,m)，而不是 (k,m)。

我该如何改变呢？我不知道如何减少 Keras 中的两个维度。

【问题讨论】：

不，这在自动编码器的标准公式中是不可能的，所以这不是编程问题。

标签： python machine-learning keras autoencoder dimensionality-reduction

【解决方案1】：

同时减少 x 和 y 将要求您将数据集视为单个数据点，我认为这不是一个好主意。

不过，将您的数据集重塑为 (x, y, 1) 并使用 con2d 层应该可以解决您的目的。

【讨论】：