没有人会在孩子开始对声音进行分类之前告诉他们哪些声音属于哪种语言。无监督学习的工作原理也是如此：算法接收没有标签的数据，必须自行发现其中的结构。没有标准答案可供参考，只有从数据自身结构中涌现出的模式。

聚类分析就是一个经典的例子。零售商可以将一年的购买记录输入聚类算法，从而发现五个之前从未定义过的不同客户群体。降维是另一个例子：将数百个测量值压缩成一个二维图，同时保留有意义的关联。

它挣得生活费

• 客户细分营销
• 网络流量或制造过程中的异常检测
• 大型文档集中的主题发现
• 为后续监督任务进行预训练表征

标签的缺失既是自由也是负担。没有真实标签，结果评估就带有主观性，通常需要人为解释聚类结果是否合理。然而，当标签不可行或成本过高时，无监督方法就成了揭示数据背后真相的唯一途径。