選項(xiàng) A：它涉及學(xué)習(xí)標(biāo)記數(shù)據(jù)。
選項(xiàng) B：它需要預(yù)定義的輸出標(biāo)簽進(jìn)行訓(xùn)練。
選項(xiàng) C：它涉及在未標(biāo)記的數(shù)據(jù)中尋找模式和關(guān)系。
選項(xiàng) D：它專注于根據(jù)輸入-輸出對(duì)進(jìn)行預(yù)測(cè)。

答案：選項(xiàng) C 描述了無(wú)監(jiān)督學(xué)習(xí)的本質(zhì)，即在未標(biāo)記的數(shù)據(jù)中尋找模式和關(guān)系。

*這道題目問(wèn)的是在無(wú)監(jiān)督學(xué)習(xí)中通常用于聚類的算法是哪一個(gè)。
選項(xiàng) A：決策樹（Decision Trees）
選項(xiàng) B：支持向量機(jī)（Support Vector Machines，SVM）
選項(xiàng) C：K均值（K-Means）
選項(xiàng) D：隨機(jī)森林（Random Forest）

答案：選項(xiàng) C，K均值（K-Means）算法是一種常用于無(wú)監(jiān)督學(xué)習(xí)中的聚類算法。

這道題目詢問(wèn)的是在無(wú)監(jiān)督學(xué)習(xí)中，通過(guò)盡可能保留方差來(lái)降低數(shù)據(jù)維度的技術(shù)是哪一個(gè)。
選項(xiàng) A：主成分分析（Principal Component Analysis，PCA）
選項(xiàng) B：決策樹（Decision Trees）
選項(xiàng) C：樸素貝葉斯（Naive Bayes）
選項(xiàng) D：線性回歸（Linear Regression）

答案：選項(xiàng) A，主成分分析（PCA）是一種常用于無(wú)監(jiān)督學(xué)習(xí)中的降維技術(shù)，它通過(guò)保留數(shù)據(jù)中的主要方差來(lái)減少數(shù)據(jù)的維度。

這道題目詢問(wèn)的是用于衡量無(wú)監(jiān)督學(xué)習(xí)中聚類算法性能的常用評(píng)估指標(biāo)是哪一個(gè)。
選項(xiàng) A：準(zhǔn)確率（Accuracy）
選項(xiàng) B：精確率（Precision）
選項(xiàng) C：F1 分?jǐn)?shù)（F1-score）
選項(xiàng) D：輪廓系數(shù)（Silhouette coefficient）

答案：選項(xiàng) D，輪廓系數(shù)是一種常用于衡量聚類算法性能的指標(biāo)。

這道題目問(wèn)的是以下哪項(xiàng)任務(wù)通常不使用無(wú)監(jiān)督學(xué)習(xí)。
選項(xiàng) A：客戶分割（Customer segmentation）
選項(xiàng) B：異常檢測(cè)（Anomaly detection）
選項(xiàng) C：情感分析（Sentiment analysis）
選項(xiàng) D：圖像聚類（Image clustering）

答案：選項(xiàng) C，情感分析通常不是使用無(wú)監(jiān)督學(xué)習(xí)來(lái)執(zhí)行的任務(wù)。