那种算法是无监督算法

无监督学习是一种机器学习方法，其中模型在没有明确的标签或目标变量的情况下进行学习。它主要用来发现数据中的结构、模式和关系，而不需要事先定义的输出。常见的无监督学习算法包括：

1. **聚类**（如 K-means, DBSCAN, 层次聚类）：用于将数据分组成相似的组，每个组内的数据点彼此靠近。
2. **降维**（如主成分分析 PCA, t-SNE）：减少高维数据的维度，以便更好地可视化或在新特征中表示数据。
3. **关联规则学习**（如 Apriori 算法）：用于发现数据项之间的频繁模式，如购物篮分析。
4. **异常检测**（如 One-Class SVM, Isolation Forest）：识别数据中的异常或离群值。
5. **自编码器**（Autoencoder）：用于数据的压缩和重构，常用于特征学习或数据生成。