非監督式學習(Unupervised Learning)是機器學習的一種方法，**它的最大特色在於使用者不須事先標記訓練資料，而是透過資料本身的特性，自行尋找資料之間的規則。**這種學習方式類似於機器對數據的自主探索和理解，因此具有廣泛的應用潛力。
疾病分類: 在醫療保健領域，非監督式學習可以用於疾病分類。醫學影像(如MRI或CT掃描)可以通過集群分析來發現不同疾病或病變的模式，有助於醫生進行更準確的診斷。
推薦系統: 零售商可以使用非監督式學習方法來分析客戶的購物歷史和行為，並識別相似的客戶群體。這樣，他們可以為每個客戶提供更個性化的產品推薦，提高交叉銷售和客戶滿意度。
用戶分析: 社交媒體平台可以使用非監督式學習來理解用戶的興趣和行為，從而改進內容推薦和廣告定向。這可以通過分析用戶的社交連接、點擊行為和貼文內容實現。
明天將介紹非監督式學習的演算法~
看影片追技術