mnistの数字たちをkerasで教師なし学習で分類する【オートエンコーダ編】 - Qiita

はじめに 教師なし学習は一般的に教師あり学習と比較すると精度が落ちますが、その代わりに様々なメリットがあります。具体的に教師なし学習が役に立つシーンとして **- パターンがあまりわかっていないデータ 時間的に変動するデータ 十分にラベルがついていないデータ** などが挙げられます。 教師なし学習ではデータそのものから、データの背後にある構造を学習します。これによってラベルのついていないデータをより多く活用できるので、新たなアプリケーションへの道が開けるかもしれません。 前回、PCAとt-SNEを用いて教師なし学習で分類しました。 https://qiita.com/nakanakana12/items/af08b9f605a48cad3e4e でもやっぱ流行りのディープラーニング使いたいですよね、ってことで今回の記事では オートエンコーダを使った教師なし学習 を行います。 オートエンコー