无监督学习（unsupervised learning）

想象你把一大盒混在一起的纽扣倒在桌上，没有人告诉你该分成哪些类别，你却自己动手归拢起来——这些是圆的、红的，那些是方的、金属的。没有人给你标准答案；你只是看着看着，就找出了其中的结构。这就是无监督学习：计算机研究没有标签的数据，靠自己去发现里面隐藏的模式、分组或形状。

说得更准确些，无监督学习只用输入，每个例子上并不附带目标答案。两件经典的活儿是聚类（把例子分进天然的群组，比如买东西口味相近的顾客）和降维（把许多测量值浓缩成寥寥几个、却抓得住要点，让数据更易于观察和存储）。因为没有答案卡，它的成败只能间接判断——分出来的组看着合不合理、对后续任务有没有帮助——而不是靠一个简单的分数。

它之所以重要，是因为带标签的数据既贵又少，而原始的、无标签的数据却到处都是。无监督方法让你在还没有人贴过任何标签之前，就能探索一份新数据、发现异常、或先把信息压缩一番。但要诚实地说一句：没有答案卡，结果就可能含糊不清。不同方法会把同一份数据切成不同的组，而往往并不存在唯一可证明为正确的答案——到头来，还是得你这个人来判断，它找到的结构是否真有意义。