与前次所讲授的“监督学习”内容不同，在这一讲中，大家将学习如何从没有标签的数据中挖掘数据所蕴含模式，进行预测、识别和分类等任务。

“皮之不存，毛将焉附”。在无监督学习中，虽然数据本身没有标注信息，但是由于数据是内容（如概念和语义等）的载体，因此刻画相同内容的数据这一载体必然具有相似模式。从这个意义上而言，从无标注数据中挖掘其固有模式，就成为无监督学习要解决的主要问题。

无标注数据的概率分布就是数据的固有模式，其使得数据实现“物以类聚，人以群分”的归属。就好比疾病病毒携带者虽在确诊前尚未打上患病标签，但是其会从不同侧面表现出若干症状。“有心无相，相由心生；有相无心，相由心灭。”因此，需要我们通过观察客观事物重要属性而洞悉其内在秉性，而不是被逐一告知每个客观事物的概念名称而学习。

作为无监督学习的代表，主成分分析和特征人脸（Eigenface）在没有标签的数据帮助下，实现了原始高维数据“化繁为简”式的紧凑表达（特征降维），如用人脸（特征人脸）来表示人脸、而不是用像素点来表示人脸。