🔑 名詞卡

非監督式學習（Unsupervised Learning）

🎯 定義

與監督式學習不同，非監督式學習並不依賴有標記的數據，而是透過分析數據的內在結構來尋找潛在的模式或規律。模型的任務是自行辨識數據間的相似性或關聯性。

核心目標

核心目標包括「聚類」和「降維」，在資料探勘、基因分析、市場區隔等領域具顯著應用價值。

任務	說明	代表演算法
聚類	將數據分為若干個相似群組	K-Means（市場區隔、異常檢測）
降維	將高維數據壓縮到低維空間並保留主要訊息	PCA（圖像壓縮、基因數據特徵萃取）

📖 課文原文
「非監督式學習並不依賴有標記的數據，而是透過分析數據的內在結構來尋找潛在的模式或規律……核心目標包括『聚類』和『降維』。」