原：http://www.cnblogs.com/DjangoBlog/p/6476332.html
综述
如果已经有一个足够强大的机器学习算法，为了获得更好的性能，最靠谱的方法之一是给这个算法以更多的数据。机器学习界甚至有个说法：“有时候胜出者并非有最好的算法，而是有更多的数据。”
人们总是可以尝试获取更多的已标注数据，但是这样做成本往往很高。例如研究人员已经花了相当的精力在使用类似 AMT(Amazon Mechanical Turk) 这样的工具上，以期获取更大的训练数据集。相比大量研究人员通过手工方式构建特征，用众包的方式让多人手工标数据是一个进步，但是我们可以做得更好。具体的说，如果算法能够从未标注数据中学习，那么我们就可以轻易地获取大量无标注数据，并从中学习。自学习和无监督特征学习就是这种的算法。尽管一个单一的未标注样本蕴含的信息比一个已标注的样本要少，但是如果能获取大量无标注数据（比如从互联网上下载随机的、无标注的图像、音频剪辑或者是文本），并且算法能够有效的利用它们，那么相比大规模的手工构建特征和标数据，算法将会取得更好的性能。
在自学习和无监督特征学习问题上，可以给算法以大量的未标注数据，学习出较好的特征描述。在尝试解决一个具体的分类问题时，可以基于这些学习出的特征描述和任意的（可能比较少的）已标注数据，使用有监督学习方法完成分类。
在一些拥有大量未标注数据和少量的已标注数据的场景中，上述思想可能是最有效的。即使在只有已标注数据的情况下（这时我们通常忽略训练数据的类标号进行特征学习），以上想法也能得到很好的结果。
特征学习
我们已经了解到如何使用一个自编码器（autoencoder）从无标注数据中学习特征。具体来说，假定有一个无标注的训练数据集 
（下标 
代表“不带类标”）。现在用它们训练一个稀疏自编码器（可能需要首先对这些数据做白化或其它适当的预处理）。
利用训练得到的模型参数 
，给定任意的输入数据 
，可以计算隐藏单元的激活量（activations） 
。如前所述，相比原始输入 来说， 可能是一个更好的特征描述。下图的神经网络描述了特征（激活量 ）的计算。
这实际上就是之前得到的稀疏自编码器，在这里去掉了最后一层。
假定有大小为 
的已标注训练集 
（下标 
表示“带类标”），我们可以为输入数据找到更好的特征描述。例如，可以将 
输入到稀疏自编码器，得到隐藏单元激活量 
。接下来，可以直接使用 来代替原始数据 （“替代表示”,Replacement Representation）。也可以合二为一，使用新的向量 
来代替原始数据 （“级联表示”,Concatenation Representation）。
经过变换后，训练集就变成 
或者是
（取决于使用 替换 还是将二者合并）。在实践中，将 和 合并通常表现的更好。但是考虑到内存和计算的成本，也可以使用替换操作。
最终，可以训练出一个有监督学习算法（例如 svm, logistic regression 等），得到一个判别函数对 
值进行预测。预测过程如下：给定一个测试样本 
，重复之前的过程，将其送入稀疏自编码器，得到 
。然后将 （或者 
）送入分类器中，得到预测值。
数据预处理
在特征学习阶段，我们从未标注训练集 中学习，这一过程中可能计算了各种数据预处理参数。例如计算数据均值并且对数据做均值标准化（mean normalization）；或者对原始数据做主成分分析（PCA），然后将原始数据表示为 
(又或者使用 PCA 白化或 ZCA 白化)。这样的话，有必要将这些参数保存起来，并且在后面的训练和测试阶段使用同样的参数，以保证数据进入稀疏自编码神经网络之前经过了同样的变换。例如，如果对未标注数据集进行PCA预处理，就必须将得到的矩阵 
保存起来，并且应用到有标注训练集和测试集上；而不能使用有标注训练集重新估计出一个不同的矩阵 （也不能重新计算均值并做均值标准化），否则的话可能得到一个完全不一致的数据预处理操作，导致进入自编码器的数据分布迥异于训练自编码器时的数据分布。
无监督特征学习的术语
有两种常见的无监督特征学习方式，区别在于你有什么样的未标注数据。自学习(self-taught learning) 是其中更为一般的、更强大的学习方式，它不要求未标注数据 
和已标注数据 
来自同样的分布。另外一种带限制性的方式也被称为半监督学习，它要求 和 服从同样的分布。下面通过例子解释二者的区别。
假定有一个计算机视觉方面的任务，目标是区分汽车和摩托车图像；也即训练样本里面要么是汽车的图像，要么是摩托车的图像。哪里可以获取大量的未标注数据呢？最简单的方式可能是从互联网上下载一些随机的图像数据集，在这些数据上训练出一个稀疏自编码器，从中得到有用的特征。这个例子里，未标注数据完全来自于一个和已标注数据不同的分布（未标注数据集中，或许其中一些图像包含汽车或者摩托车，但是不是所有的图像都如此）。这种情形被称为自学习。
相反，如果有大量的未标注图像数据，要么是汽车图像，要么是摩托车图像，仅仅是缺失了类标号（没有标注每张图片到底是汽车还是摩托车）。也可以用这些未标注数据来学习特征。这种方式，即要求未标注样本和带标注样本服从相同的分布，有时候被称为半监督学习。在实践中，常常无法找到满足这种要求的未标注数据（到哪里找到一个每张图像不是汽车就是摩托车，只是丢失了类标号的图像数据库？）因此，自学习在无标注数据集的特征学习中应用更广。
中英文对照
- 自我学习/自学习 self-taught learning
- 无监督特征学习 unsupervised feature learning
- 自编码器 autoencoder
- 白化 whitening
- 激活量 activation
- 稀疏自编码器 sparse autoencoder
- 半监督学习 semi-supervised learning
中文译者
张灵（lingzhang001@outlook.com），晓风（xiaofeng.zhb@alibaba-inc.com），王文中（wangwenzhong@ymail.com）
从自我学习到深层网络
在前一节中，我们利用自编码器来学习输入至 softmax 或 logistic 回归分类器的特征。这些特征仅利用未标注数据学习获得。在本节中，我们描述如何利用已标注数据进行微调，从而进一步优化这些特征。如果有大量已标注数据，通过微调就可以显著提升分类器的性能。
在自我学习中，我们首先利用未标注数据训练一个稀疏自编码器。随后，给定一个新样本 ，我们通过隐含层提取出特征 。上述过程图示如下：
我们感兴趣的是分类问题，目标是预测样本的类别标号 。我们拥有标注数据集 ，包含 个标注样本。此前我们已经说明，可以利用稀疏自编码器获得的特征 
来替代原始特征。这样就可获得训练数据集 
。最终，我们训练出一个从特征 
到类标号 
的 logistic 分类器。为说明这一过程，我们按照神经网络一节中的方式，用下图描述 logistic 回归单元（橘黄色）。
考虑利用这个方法所学到的分类器（输入-输出映射）。它描述了一个把测试样本 映射到预测值 
的函数。将此前的两张图片结合起来，就得到该函数的图形表示。也即，最终的分类器可以表示为：
该模型的参数通过两个步骤训练获得：在该网络的第一层，将输入 映射至隐藏单元激活量 的权值 
可以通过稀疏自编码器训练过程获得。在第二层，将隐藏单元 映射至输出 的权值 
可以通过 logistic 回归或 softmax 回归训练获得。
这个最终分类器整体上显然是一个大的神经网络。因此，在训练获得模型最初参数（利用自动编码器训练第一层，利用 logistic/softmax 回归训练第二层）之后，我们可以进一步修正模型参数，进而降低训练误差。具体来说，我们可以对参数进行微调，在现有参数的基础上采用梯度下降或者 L-BFGS 来降低已标注样本集 上的训练误差。
使用微调时，初始的非监督特征学习步骤（也就是自动编码器和logistic分类器训练）有时候被称为预训练。微调的作用在于，已标注数据集也可以用来修正权值 ，这样可以对隐藏单元所提取的特征 做进一步调整。
到现在为止，我们描述上述过程时，都假设采用了“替代 (Replacement)”表示而不是“级联 (Concatenation)”表示。在替代表示中，logistic 分类器所看到的训练样本格式为 
；而在级联表示中，分类器所看到的训练样本格式为 
。对级联表示同样可以进行微调（在级联表示神经网络中，输入值 
也直接被输入至 logistic 分类器。对此前的神经网络示意图稍加更改，即可获得其示意图。具体的说，第一层的输入节点除了与隐层联接之外，还将越过隐层，与第三层输出节点直接相连）。但是对于微调来说，级联表示相对于替代表示几乎没有优势。因此，如果需要开展微调，我们通常使用替代表示的网络（但是如果不开展微调，级联表示的效果有时候会好得多）。
在什么时候应用微调？通常仅在有大量已标注训练数据的情况下使用。在这样的情况下，微调能显著提升分类器性能。然而，如果有大量未标注数据集（用于非监督特征学习/预训练），却只有相对较少的已标注训练集，微调的作用非常有限。
中英文对照
- 自我学习 self-taught learning
- 深层网络 deep networks
- 微调 fine-tune
- 稀疏自编码器 sparse autoencoder
- 梯度下降 gradient descent
- 非监督特征学习 unsupervised feature learning
- 预训练 pre-training