无监督学习
无监督学习（Unsupervised Learning）处理的是没有标记的数据，目的是发现数据中的隐藏结构。
学习理念
与有监督学习部分类似，在这里我也不会去深入讲解具体的聚类或降维算法（如 K-Means 或 PCA）的数学推导和代码实现。
我的关注点在于无监督学习背后的通用思想和核心概念。当我们没有“标准答案”来告诉模型怎么做时，我们是如何设计出一种机制，让模型能够自发地去发现数据的内在规律、提炼出有价值的特征表征的。掌握这些思想，是理解现代深度学习尤其是大规模预训练模型的关键。
常见应用场景
虽然我们侧重于抽象概念，但了解这些思想的具体落脚点仍然非常重要：
- K-Means 与层次聚类 (Clustering)
- 主成分分析 (PCA) 与降维
- 自编码器 (Autoencoders) 与表征学习
- 生成式模型的基础概念