在已了解如何构建和训练各种自编码器架构的基础上，本章将重点介绍它们所生成特征的实际用途。我们将介绍如何为您的具体问题和数据选择合适的自编码器模型。您将学习调整超参数 (parameter) (hyperparameter)以优化性能的方法，以及评估提取特征质量的方式。随后，我们将把这些特征整合到监督学习 (supervised learning)模型中，审视诸如异常检测和数据压缩等用例，并思考迁移学习 (transfer learning)方法。最后，我们将讨论常见的实现问题，并通过一个在分类任务中使用自编码器特征的实例进行说明。