自编码器特征提取python代码

好的，以下是一个简单的自编码器特征提取的 Python 代码示例：

import numpy as np
import tensorflow as tf

# 定义自编码器模型
class Autoencoder:
    def __init__(self, input_dim, hidden_dim):
        self.input_dim = input_dim
        self.hidden_dim = hidden_dim

        self.inputs = tf.placeholder(tf.float32, [None, input_dim])
        self.weights = {
            'encoder': tf.Variable(tf.random_normal([input_dim, hidden_dim])),
            'decoder': tf.Variable(tf.random_normal([hidden_dim, input_dim]))
        }
        self.biases = {
            'encoder': tf.Variable(tf.random_normal([hidden_dim])),
            'decoder': tf.Variable(tf.random_normal([input_dim]))
        }

        self.encoded = tf.nn.sigmoid(tf.add(tf.matmul(self.inputs, self.weights['encoder']), self.biases['encoder']))
        self.decoded = tf.nn.sigmoid(tf.add(tf.matmul(self.encoded, self.weights['decoder']), self.biases['decoder']))

        self.loss = tf.reduce_mean(tf.pow(self.inputs - self.decoded, 2))
        self.optimizer = tf.train.AdamOptimizer().minimize(self.loss)

        self.sess = tf.Session()
        self.sess.run(tf.global_variables_initializer())

    # 训练自编码器模型
    def train(self, input_data, epochs=1000, batch_size=32):
        num_batches = input_data.shape[0] // batch_size
        for epoch in range(epochs):
            epoch_loss = 0.0
            for i in range(num_batches):
                batch_data = input_data[i*batch_size:(i+1)*batch_size]
                _, loss = self.sess.run([self.optimizer, self.loss], feed_dict={self.inputs: batch_data})
                epoch_loss += loss
            if epoch % 100 == 0:
                print('Epoch', epoch, 'loss:', epoch_loss/num_batches)

    # 提取特征
    def extract_features(self, input_data):
        return self.sess.run(self.encoded, feed_dict={self.inputs: input_data})

# 测试代码
if __name__ == '__main__':
    # 构造一个 3 维输入数据
    input_data = np.random.rand(100, 3)

    # 定义一个自编码器模型，输入维度为 3，隐藏层维度为 2
    autoencoder = Autoencoder(3, 2)

    # 训练模型
    autoencoder.train(input_data)

    # 提取特征
    features = autoencoder.extract_features(input_data)
    print(features)

这个示例代码实现了一个简单的自编码器模型，并使用该模型对三维输入数据进行特征提取。你可以根据自己的需要修改输入数据的维度和隐藏层维度，以及训练次数和批次大小等超参数。