步骤 1：根据输入数据集，训练自编码器将原始变量矩阵映射到潜在特征。
步骤 2：对潜在特征进行 K 均值聚类。
步骤 3-6：然后，为每个样本计算六个软标签，并估计目标分布，最大化高软标签和低软标签的分离。随后，优化自编码器的编码器，以最小化软标签与目标分布之间的 Kullback-Leibler 散度损失，进行 140 次迭代。
- 图源：Deep embedded clustering generalisability and adaptation for integrating mixed datatypes: two critical care cohorts | Scientific Reports
