---
title: "オートエンコーダまとめ（AE / CAE / DAE / VAE）とは？G検定対策"
description: "* オートエンコーダ（AE）系は、入力データをいったん圧縮し、元に復元することで本質的な特徴を学習するモデル群です。 AI・機械学習での位置づけ、関連モデルや手法との違い、G検定で混同しやすい判断軸を確認できます。"
canonical_url: "https://stemtazoo.github.io/gk/autoencoder-cheatsheet/"
section: "gk"
---

## まず結論

* **オートエンコーダ（AE）系**は、入力データをいったん圧縮し、元に復元することで**本質的な特徴を学習するモデル群**です。
* G検定では「**可視化（CAM）と混同していないか**」「**それぞれの役割の違い**」が問われます。

## 直感的な説明

* オートエンコーダは「**一度メモ用紙に要点だけ書き写して、元の文章を復元する練習**」のようなものです。
* どの情報が重要かを学ぶことで、

  * ノイズに強くなる
  * 次元を減らせる
  * 異常を見つけられる
    ようになります。

## 定義・仕組み

* **AE（Autoencoder）**

  * 基本形のオートエンコーダ
  * Encoder / Decoder で構成

* **CAE（Convolutional Autoencoder）**

  * 畳み込み層を用いる
  * 画像の空間構造を保った特徴学習

* **DAE（Denoising Autoencoder）**

  * 入力にノイズを加えて学習
  * ノイズ除去・ロバストな特徴抽出

* **VAE（Variational Autoencoder）**

  * 潜在変数を確率分布として扱う
  * データ生成が可能

## いつ使う？（得意・不得意）

### 共通して得意

* 次元削減
* 特徴学習
* 異常検知の基礎

### 注意点

* 分類結果の理由説明（XAI）には使えない
* 可視化手法ではない

## G検定ひっかけポイント

* **最大のひっかけ**

  * 「AE系は判断根拠を可視化する」→ ❌
* よくある混同

  * CAM（説明・可視化）
  * CAE / DAE / VAE（学習モデル）
* 選択肢で

  * 「ノイズ除去」→ DAE
  * 「画像特徴学習」→ CAE
  * 「生成モデル」→ VAE

## まとめ（試験直前用）

* AE系は特徴を学習するモデル
* CAE：畳み込み
* DAE：ノイズ除去
* VAE：確率的生成
* CAMとは役割が別