Como o aprendizado não supervisionado obtém rótulos sem saídas conhecidas?

Resposta

Sim. Ele gera rótulos automaticamente a partir da estrutura existente nos dados.

Explicação:
Identifica padrões, similaridades ou densidades sem usar respostas prévias.
Atribui identificadores ou transforma variáveis para representar grupos ou componentes latentes (pseudo-rótulos).
Esses rótulos ajudam na análise, na engenharia de atributos e como entrada para modelos supervisionados.
A qualidade é medida por métricas internas ou pelo benefício em tarefas subsequentes.