对于自动编码器来说，哪个输入更好，一个具有相关特征还是一个具有不相关特征？

Question

我正在尝试以 2D 形式可视化我的数据以检测欺诈（异常值），如果发生欺诈，我的所有特征都可能会采用更大的值。但我小心翼翼地不包含多余的功能，

例如特性： 活跃度（对于每天使用该服务的活跃用户而言，得分更高）和赚钱都倾向于在欺诈的情况下取更高的值，但不能从另一个中推断出一个。

我认为以这种方式选择特征将转化为 2D 表示中更大的坐标，并使欺诈点远离/从我的其余数据中脱颖而出。

我还觉得拥有相关特征会使自动编码器更容易重建数据。但我多次读到，具有相关特征在机器学习中效率不高。

我应该努力降低我的特征相关性吗？例如，将 Activity 分数（活跃用户较高）替换为两次使用之间的时间（活跃用户较低）？

或者这对自动编码器来说并不重要？

Answer 1

您的理解是正确的，即“具有相关特征将使自动编码器更容易重建数据”。

例如，如果您的所有数据点都是 i.i.d。 Gaussian 它会使自动编码器的数据压缩变得非常困难，因为它们无法学习数据的低维表示。

详情请参阅斯坦福 UFLDL 教程link。