1、生成模型
1.1、什么是生成模型
概率统计层面：能够在给丁某一些隐含参数的条件下，随机生成观测数据的这样一种模型，称之为“生成模型”。它给观测值和比周数据系列制定一个连和概率分布
机器学习层面：直接对数据进行建模，比如根据某个变量的概率密度函数进行数据采样。在贝叶斯算法中，直接对连和概率分布P(x,y)进行建模，然后利用贝叶斯公式进行求解P(y|x)。
1.2、生成模型分类
第一类：完全表示出数据确切的分布函数
第二类：没有办法完全表示出确切的分布函数，但是，能够做到的是新的数据的生成，而具体的分布函数是模糊的。
在机器学习中，不管是自编码器AE、变分自编码器VAE、还是生成对抗网路GAN，都是属于第二类。生成新数据，也是大部分生成模型的核心目标。
2、自编码器原理
2.1、原理介绍
首先考虑监督学习中神经网络的功能：
是输入的特征向量长度，
是输出的特征向量长度。对于分类问题，网络模型通过把长度为
输入特征向量