剛學自編碼，以下是本人關於題目問題的一點思考。
自編碼器是一種非常簡單的bp神經網路，是一種無監督學習演算法。
使用乙個三層（只有乙個隱含層）的自編碼網路，然後設定隱含節點的數量少於輸入層節點，就能夠輕鬆地實現特徵降維。如圖：
fig1. 自編碼器網路結構（來自網路）
refer to: deep learning（深度學習）學習筆記整理系列之（四）
如果隱藏節點比可視節點（輸入、輸出）少的話，由於被迫的降維，自編碼器會自動習得訓練樣本的特徵（變化最大，資訊量最多的維度）。但是如果隱藏節點數目過多，甚至比可視節點數目還多的時候，自編碼器不僅會喪失這種能力，更可能會習得一種「恒等函式」——直接把輸入複製過去作為輸出。這時候，我們需要對隱藏節點進行稀疏性限制。fig2. 稀疏自編碼器模型（來自網路）
這裡說當隱含節點數量太大的時候，需要通過引入正則項(比如上圖的l1限制）來使得每次表達的code盡量稀疏。
那麼這樣和用更少的隱含節點相比，有什麼用呢？
其實可以和svm比較：
1. 原本使用的是比較少的隱含節點數，相當於使用線性核的svm。這時候模型很簡單，但是它的表現能力是比較有限的。
2. 增加節點的數量，相當於使用了多項式核的svm。這時候的模型表示能力變強了，但是容易過擬合（如用9項式來擬合10個樣本點）。
3. 新增限制，讓每次得到的表達code盡量係數，相當於給多項式的svm新增了正則約束項（如還是用9項式來擬合10個樣本點，但是我們限制之後只能有兩項不是0），這是就不會再過擬合了。
總結就是： 使用了更多的隱含節點之後，模型具有了更強大表達能力；但是同時會導致過擬合的問題，所以需要通過新增約束條件來限制，這時候模型依然具有很強的表達能力（和少隱含節點的模型比），卻又避免了過擬合的問題。而且因為實際上不為0（或不接近0）的權值很少，所以網路被迫用少量的節點來學習到網路的整體資訊，這些被學習到的特徵都非常有代表性。
為什麼要用MAC位址，而不直接使用IP位址？
你已經有了手機號，為什麼還要乙個身份證號呢？mac位址就像身份證一樣，它只唯一的標誌乙個網路介面，它沒有被設計為具有定址功能。全世界存在各種各樣的異構網路，它們使用不同的硬體位址 網路的異構性體現 要使這些異構網路能夠進行通訊，就需要非常複雜的硬體位址轉換工作，因此由使用者主機來完成這件事幾乎是不可...
為什麼要用資料庫建表語句而不直接在工具裡建表呢？
而且當資料量很多時，你增加乙個字段，並且要對這個字段進行插入操作，用工具乙個個插入就很麻煩 這個時候就要用資料庫建表語句就很方便。而且資料量多時，你進行這個操作可能花費十分鐘，而這時有別人也對這張表就行了操作 這個時候就會對錶造成鎖表，有了語句也可以查一查執行過什麼操作 資料字典 比如在頁面裡的下拉...
為什麼要用vuex,而不是直接使用全域性變數
這個問題問的太好了 我迅速要回你們 每乙個 vuex 應用的核心就是store 倉庫 它包含著你的應用中大部分的狀態 state 狀態管理有5個核心 state getter mutation action module 1 vuex的儲存時響應式的，當元件vue中store更改，相應的元件用到的地...