AI red teamer （人工智能红队）系列08-人工智能基础-无监督学习算法
无监督学习算法探索无标记数据，其目标不是预测特定结果，而是发现数据中隐藏的模式、结构和关系。与监督学习不同的是， 无监督学习算法是从有标签的示例中学习的，它的运行没有预定义标签或 "正确答案 "的指导。 
无监督学习算法如何工作
无监督学习算法可识别数据中的相似性、差异性和模式。它们可以将相似的数据点归类到一起，在保留基本信息的同时减少变量的数量，或识别偏离常规的异常数据点 
这些算法对于标注数据稀缺、昂贵或不可用的任务非常有价值。即使不知道具体的结果或标签，它们也能让我们深入了解数据的底层结构和组织。 
无监督学习问题可大致分为以下几类： 

聚类： 根据相似数据点的特征对其进行分组。这就好比按流派组织藏书，或根据客户的购买行为将其分组。
降维： 减少数据中变量（特征）的数量，同时保留基本信息。这类似于将...