您計劃使用非監督式異常偵測，將組織樣本分類為正常或突變。以下哪兩個條件支援使用非監督式異常偵測方法？

非監督式異常偵測適用於異常（突變）事件稀少且未標記的情況。當突變樣本數量遠少於正常樣本時，模型可以學習正常模式並識別偏離此模式的資料點。此外，如果預期未來的突變與現有突變具有相似的特徵，則非監督式方法能有效捕捉這些異常模式。 資料庫中正常樣本和突變樣本數量大致相等時，這更適合監督式學習，因為有足夠的異常樣本可供模型學習。若已標記資料，則應使用監督式或半監督式方法。若預期未來突變特徵不同，則非監督式模型可能難以泛化。