是否可以使用自动编码器根据功能的重要性对功能进行排名？
Is it possible to rank the features based on their importance using autoencoder?
我是第一次使用自动编码器。我已经知道它
降低维度
输入数据集。我不确定这到底是什么意思。它是否 select 来自输入特征的一些特定特征？是否可以使用自动编码器对特征进行排名？
我的数据如下所示：
age height weight working_hour rest_hour Diabetic
54 152 72 8 4 0
62 159 76 7 3 0
85 157 79 7 4 1
24 153 75 8 4 0
50 153 79 8 4 1
81 154 80 7 3 1
特征是年龄、身高、体重、working_hour 和 rest_hour。目标列是糖尿病。这里我有 5 个特征，我想使用更少的特征。这就是为什么我想实现自动编码器以 select 预测的最佳特征。
一般情况下，普通自动编码器 (AE) 是不可能的。 AE 执行到隐藏维度并返回原始维度的非线性映射。但是，您没有机会解释此映射。您可以使用受限 AE，但我不建议您在第一次使用 AE 时使用它。
但是，您只想减少输入维度。您可以做的是训练嵌入。您在瓶颈中使用所需数量的节点训练 AE，并将编码器的输出用作其他算法的输入。
您可以将 AE 拆分为两个功能：编码器 (E) 和解码器 (D)。当 x 是您的输入时，您的前向传播就是 D(E(x))。完成 AE 训练后（具有合理的重建错误！），您仅预测 E(x) 并将其馈送到您的其他算法中。
另一种方法是 PCA，它基本上是线性 AE。您可以定义隐藏维度的最大数量并评估它们对重建错误的利害关系。此外，它更容易实现，您不需要了解 tensorflow 或 pytorch。
我是第一次使用自动编码器。我已经知道它 降低维度 输入数据集。我不确定这到底是什么意思。它是否 select 来自输入特征的一些特定特征？是否可以使用自动编码器对特征进行排名？
我的数据如下所示：
age height weight working_hour rest_hour Diabetic
54 152 72 8 4 0
62 159 76 7 3 0
85 157 79 7 4 1
24 153 75 8 4 0
50 153 79 8 4 1
81 154 80 7 3 1
特征是年龄、身高、体重、working_hour 和 rest_hour。目标列是糖尿病。这里我有 5 个特征，我想使用更少的特征。这就是为什么我想实现自动编码器以 select 预测的最佳特征。
一般情况下，普通自动编码器 (AE) 是不可能的。 AE 执行到隐藏维度并返回原始维度的非线性映射。但是，您没有机会解释此映射。您可以使用受限 AE，但我不建议您在第一次使用 AE 时使用它。
但是，您只想减少输入维度。您可以做的是训练嵌入。您在瓶颈中使用所需数量的节点训练 AE，并将编码器的输出用作其他算法的输入。
您可以将 AE 拆分为两个功能：编码器 (E) 和解码器 (D)。当 x 是您的输入时，您的前向传播就是 D(E(x))。完成 AE 训练后（具有合理的重建错误！），您仅预测 E(x) 并将其馈送到您的其他算法中。
另一种方法是 PCA，它基本上是线性 AE。您可以定义隐藏维度的最大数量并评估它们对重建错误的利害关系。此外，它更容易实现，您不需要了解 tensorflow 或 pytorch。