返回
当前 - 选择题 - 推荐系统与机器学习架构题号：0020260500038
单选题
2026年5月第38题
题号：0020260500038
单选题
2026年5月第38题
推荐系统与机器学习架构
中等
低频
收藏
分享
反馈
无监督学习的典型场景是（对无标签用户数据进行聚类）。
问题（1）
浓缩知识点
无监督学习是在没有人工标注标签的样本上发现数据内在结构，典型任务包括聚类、降维、关联规则发现和异常检测。它适合用户分群、文本主题发现、图像特征压缩和异常流量识别等场景。需要注意的是，聚类结果只是相似性划分，并不天然带有预设类别含义，通常还需要业务人员解释或用后续指标验证。若题目给出已知类别和样本标签，则更接近监督学习；若只让系统自行发现分组或结构，则属于无监督学习。无监督结果常用于后续推荐、画像或风控模型的特征输入。
正确答案
B
本题考察的是无监督学习。
无监督学习不使用人工标注标签，典型任务包括聚类、降维和异常检测。对无标签用户数据进行聚类正是无监督学习的典型应用。
选项 A：用标准答案训练分类器。使用标准答案或标签训练分类器属于监督学习，不是无监督学习。
选项 B：对无标签用户数据进行聚类。聚类在没有人工标签的情况下发现样本结构，是无监督学习的典型任务。
选项 C：人工给每条样本打标签。人工标注是构造监督学习训练集的过程，不是无监督学习场景。
选项 D：只执行数据库事务。数据库事务处理属于数据管理机制，与机器学习训练范式无关。
因此，选项 B 正确。