无监督学习方法包括哪些

1. 聚类分析

通过数据相似性将样本分组，典型算法包括K-means、层次聚类、DBSCAN等。这种方法常用于客户分群、图像分割等场景。

2. 降维技术

通过保留关键特征减少数据维度，如主成分分析(PCA)、t-SNE等，适用于数据可视化和特征提取。

3. 关联规则学习

发现变量间的隐藏关系，典型代表是Apriori算法，常用于购物篮分析。

4. 异常检测

识别数据中的异常模式，常用方法包括孤立森林、One-Class SVM等。

5. 生成模型

通过无标签数据学习数据分布，如生成对抗网络(GAN)、变分自编码器(VAE)等，这类方法与AIGC技术密切相关。

这些方法共同特点是无需标注数据即可发现数据内在规律，与监督学习形成鲜明对比。实际应用中常需要根据数据特性组合使用多种方法。