我可以使用自动编码器进行聚类吗？

在下面的代码中，他们使用自动编码器作为监督聚类或分类，因为它们具有数据标签。http://amunategui.github.io/anomaly-detection-h2o/ http://amunategui.github.io/anomaly-detection-h2o/但是，如果我没有标签，我可以使用自动编码器来聚类数据吗？ 问候

深度学习自动编码器始终是无监督学习。您链接到的文章的“监督”部分是评估它的表现。

以下示例（取自我的书《Practical Machine Learning with H2O》的第 7 章，其中我在同一数据集上尝试了所有 H2O 无监督算法 - 请原谅插件）采用 563 个特征，并尝试将它们编码为两个隐藏节点。

m <- h2o.deeplearning(
  2:564, training_frame = tfidf,
  hidden = c(2), auto-encoder = T, activation = "Tanh"
  )
f <- h2o.deepfeatures(m, tfidf, layer = 1)

第二个命令提取隐藏节点权重。f是一个数据框，有两个数字列，每行一行tfidf源数据。我只选择了两个隐藏节点，以便可以绘制集群：

每次运行的结果都会改变。您（也许）可以使用堆叠自动编码器或使用更多隐藏节点获得更好的结果（但随后您无法绘制它们）。在这里我觉得结果受到数据的限制。

顺便说一句，我用这段代码制作了上面的图：

d <- as.matrix(f[1:30,]) #Just first 30, to avoid over-cluttering
labels <- as.vector(tfidf[1:30, 1])
plot(d, pch = 17) #Triangle
text(d, labels, pos = 3) #pos=3 means above

（P.S.原始数据来自Brandon Rose 关于使用 NLTK 的优秀文章 http://brandonrose.org/clustering. )