オートエンコーダは、入力データを一度次元削減して圧縮し、再び元のデータに復元するプロセスを学習する教師なし学習のニューラルネットワークです。データの持つ本質的な特徴抽出や異常検知、ノイズ除去に広く活用されています。
オートエンコーダとは
一言でいうと、オートエンコーダとは「入力されたデータを自ら小さく圧縮し、それをもう一度もとの形に復元する訓練を通じて、データの重要な特徴を自習するニューラルネットワーク」です。
詳しく解説
オートエンコーダは主に、入力を縮小する「エンコーダ」と、縮小された潜在変数から元を復元する「デコーダ」の2つの部分で構成されています。教師データなしで、入力と出力が同じになるように学習する「自己教師あり学習」の一種です。中間層の次元を入力層より低く設計することで、データを圧縮する際に情報の欠落が起きますが、その中でも重要な特徴を保持しようとするため、データの核心的なパターンを捉えることができます。次元削減や潜在空間の獲得において非常に重要な役割を果たします。
具体例・使われ方
具体的な利用例としては、画像に混入したノイズを取り除く「ノイズ除去オートエンコーダ」、通常のデータのみで学習させておき、復元誤差が大きいものを不良品や不正アクセスとして検知する「異常検知」、高次元の顧客データを少数の特徴量に圧縮して可視化するマーケティング分析などが挙げられます。
似た用語との違い
一般的なディープラーニングの分類モデルが正解ラベルを用いて教師あり学習を行うのに対し、オートエンコーダは正解ラベルを必要としない教師なし学習である点が大きく異なります。また、主成分分析（PCA）と似ていますが、非線形の複雑な関係性も表現できる点が強みです。
注意点
オートエンコーダの注意点として、モデルの表現力が強すぎると入力データをそのまま記憶してしまい、重要な特徴を学習できなくなる「過学習」や「恒等写像の学習」が起きやすくなる点が挙げられます。そのため、中間層の次元数を適切に設計したり、正則化手法を組み合わせたりすることが不可欠です。