非监督学习：发现数据中的模式与结构

非监督学习（Unsupervised Learning）是机器学习的一种方法，与监督学习（Supervised Learning）相对应。监督学习通常需要给出已知的输入和对应的输出，让机器学习算法通过学习输入与输出之间的关系来预测新的输出。而非监督学习则不需要给定输出，算法需要自行发现数据中的模式和结构，通过聚类、降维等方法来提取数据的特征。

非监督学习适用于没有标签或难以获取标签的数据集，例如图像、音频、文本等。它可以帮助我们更好地了解数据的分布、特征和潜在规律，从而为后续的分析和决策提供更好的基础。典型的非监督学习算法包括聚类、降维、异常检测等。