以下哪些是无监督学习的应用？A. 聚类分析B. 特征降维C. 数据标注D. 表示学习

无监督学习的核心在于处理无标签数据，通过发现数据内在结构和规律来完成任务。本题需识别哪些选项属于无监督学习的应用，需抓住以下关键点：

1. 聚类分析（A）：将数据分组，无需预设标签。
2. 特征降维（B）：如PCA，压缩数据维度同时保留信息。
3. 表示学习（D）：学习数据的高效表示形式，如自动编码器。
4. 数据标注（C）：需人工添加标签，属于数据准备步骤，与无监督学习无关。

选项分析

A. 聚类分析

聚类分析是无监督学习的典型应用，例如K-means算法，通过数据内在相似性划分类别，无需依赖标签。

B. 特征降维

特征降维（如主成分分析PCA）通过降低数据维度简化模型，同时保留主要信息，属于无监督学习技术。

C. 数据标注

数据标注需要人工为数据添加标签（如图像分类中的“猫”标签），属于数据预处理，与无监督学习无关。

D. 表示学习

表示学习（如自动编码器）旨在学习数据的高效表示形式，常用于无监督特征提取，是无监督学习的重要应用。