前面的章节主要讲解了监督学习 (supervised learning)，模型从包含预设答案或标签的数据中进行学习。本章将转而讲解无监督学习 (unsupervised learning)，这是一类不同的机器学习 (machine learning)方法，其数据缺少这些明确的标签。这里的目标是发现数据本身固有的结构或规律。

具体来说，我们将介绍聚类，这是一种常见的无监督任务，旨在将相似的数据点归为一类。你将学到：

• 无监督学习的定义和用途。
• 聚类的方法原理及其应用。
• K-Means 算法如何将数据划分成指定数量的簇，通常用 $K$ 表示。
• 选择簇数量 ($K$) 时需要考虑的事项。
• K-Means 过程中的步骤及其一些局限性。
• 如何在实际练习中将 K-Means 应用到数据集。

本章介绍了使用 K-Means 聚类技术在无标签数据中发现规律的基础知识。