Как устроено обучение без учителя (unsupervised learning) и какие у него основные подзадачи?

Unsupervised learning — обучение без размеченного y. На вход только X, и модель ищет в данных структуру: группы похожих объектов, оси максимальной вариации, аномалии, частые ассоциации. Основные подзадачи: кластеризация (KMeans, DBSCAN, HDBSCAN, агломеративная), понижение размерности (PCA, t-SNE, UMAP), детекция аномалий (IsolationForest, LOF, One-Class SVM), association rules (Apriori, FP-Growth). Качество оценивается косвенно: silhouette, calinski_harabasz, davies-bouldin для кластеров, explained variance для PCA.