无监督机器学习算法无需任何监督者提供指导，这也是这类算法与人们口中的真正人工智能高度契合的原因。

在无监督学习中，不存在既定的正确答案，也没有可供参考的指导依据，算法需要自主从数据中发现有价值的规律来完成学习过程。

什么是聚类？

聚类本质上是一种无监督学习方法，也是多个领域中常用的统计数据分析技术。聚类的核心任务是将一组观测数据划分为若干个子集（即簇），使得同一簇内的观测数据在某种维度上具有相似性，而不同簇间的观测数据则具有明显的差异性。

简单来说，聚类的最终目标是依据数据的相似性与差异性对其进行分组。

例如，下图展示了不同簇中聚集的同类数据，不同簇间的特征差异显著： （注：原文对应聚类效果示意图，核心为不同簇的同类数据聚集分布）