Update from Sync Service

wiki/Resources/方法论/无监督学习.md

@@ -0,0 +1,65 @@
+---
+created: 2026-04-28
+type: concept
+tags: [无监督学习，机器学习，AI]
+---
+
+# 无监督学习（Unsupervised Learning）
+
+> 从未标注数据中发现隐藏结构和模式
+
+## 定义
+
+无监督学习是机器学习的一种范式，模型在**没有标注答案**的情况下，自行发现数据中的结构、模式或分布规律。
+
+## 核心思想
+
+```
+输入数据：{x₁, x₂, ..., xₙ}（没有对应的 y）
+目标：发现数据的内在结构
+```
+
+## 主要任务
+
+| 任务 | 说明 | 示例 |
+|------|------|------|
+| **聚类（Clustering）** | 将数据分为相似组 | 客户分群、异常检测 |
+| **降维（Dimensionality Reduction）** | 减少特征数量 | 数据可视化（t-SNE、PCA） |
+| **密度估计** | 学习数据分布 | 异常值检测 |
+| **生成（Generation）** | 学习数据分布并生成新样本 | GAN、VAE、扩散模型 |
+
+## 常见算法
+
+| 算法 | 说明 |
+|------|------|
+| K-Means | 最经典的聚类算法 |
+| DBSCAN | 基于密度的聚类 |
+| PCA | 主成分分析，线性降维 |
+| t-SNE / UMAP | 非线性降维，可视化 |
+| GAN / 扩散模型 | 生成式模型 |
+| 自监督学习 | 无监督的表征学习（现代 LLM 预训练的基础） |
+
+## 与监督学习的对比
+
+| [[监督学习]] | 无监督学习 |
+|---------|-----------|
+| 需要标注数据 | 不需要标注 |
+| 目标明确 | 目标开放 |
+| 容易评估 | 评估较主观 |
+| 分类、回归 | 聚类、降维、生成 |
+
+## 现代 AI 中的应用
+
+- **LLM 预训练**：本质上是通过"预测下一个词"进行自监督学习（无标注数据）
+- **Embedding 模型**：无监督学习语义表示
+- **知识图谱构建**：从非结构化数据中发现实体和关系
+
+## 相关概念
+
+- [[监督学习]]（另一种学习范式）
+- [[神经网络]]（无监督学习的工具）
+- [[知识图谱]]（可从无监督学习中构建）
+
+---
+
+*整理自 AI 基础知识*