某公司希望使用机器学习解决方案来检测传感器输出中的异常，但没有带标签的示例。在这种情况下，哪种建模方法适用于无监督异常检测？

自编码器（Autoencoders）是一种神经网络，旨在学习输入数据的压缩表示（编码），然后从该编码中重建输入。在无监督异常检测中，自编码器通过学习“正常”数据的模式来工作。当遇到异常数据时，自编码器重建的输出与原始输入之间会存在较大的重建误差，因为异常数据不符合其学习到的正常模式。因此，重建误差可以作为异常得分，用于识别异常。 线性回归、分类和决策树通常用于监督学习任务，需要带标签的数据来训练模型。线性回归用于预测连续值，分类用于预测离散类别，而决策树用于分类或回归。它们不适用于没有带标签异常样本的无监督异常检测场景。