无监督学习，换一句话说，我们不清楚输出的标签结果应该有什么，即使不知道变量的影响，我们也可以得到数据的结构
无监督学习的性质。
- 通常情况下，我们可以通过基于数据中变量之间的关系对数据进行聚类来推导出这种结构。
- 在无监督学习的情况下，没有基于预测结果的反馈，就像没有老师可以纠正你是否正确。
举个例子
- 聚类：
以美国经济撰写的1000篇论文为例，依据不同的变量（如词频，句子长度，页数等），找到一种方法将这些论文自动分成若干组。 - 非聚类：
“鸡尾酒party算法”可以找出混乱数据中的数据结构（比如从混乱的鸡尾酒派对音乐中识别个人的声音）(https://en.wikipedia.org/wiki/Cocktail_party_effect) .