自动编码器是一类主要用于无监督学习 (supervised learning) (unsupervised learning)的人工神经网络 (neural network)。它们的主要作用是学习输入数据的压缩表示，通常称为“编码”，然后尽可能准确地从这些编码重建原始输入。此过程使其能找到数据中潜在的结构。

本章为理解自动编码器奠定基本认识。我们首先会将自动编码器置于无监督学习的背景下，并简要提及神经网络的基础知识，后者是它们的构成部分。您将学习自动编码器背后的核心思想：学习重建数据。接着我们会将其架构分解为编码器、瓶颈（或称潜在空间）和解码器。我们还将讨论学习有意义的数据表示为何重要，用一个简单的类比说明其核心机制，并指明自动编码器最初解决的问题类型。本章结束时，您将清楚地掌握什么是自动编码器以及它们为何是机器学习 (machine learning)中一个有用的工具。