某公司希望使用機器學習解決方案來偵測感測器輸出中的異常，但沒有帶有標籤的範例。在這種情況下，哪種建模方法適用於非監督式異常偵測？

自動編碼器 (Autoencoder) 是一種神經網路，特別適用於無監督式異常偵測。它透過學習輸入資料的壓縮表示（編碼），然後從該表示重建原始輸入（解碼）。對於「正常」資料，自動編碼器能以較低的重建誤差進行重建。然而，對於異常資料，由於其與訓練資料的模式不同，自動編碼器將難以有效重建，導致較高的重建誤差，這便可作為異常的指標。 線性迴歸 (Linear Regression) 是一種監督式學習方法，用於預測連續值，不適用於無標籤的異常偵測。分類 (Classification) 也是一種監督式學習方法，需要帶有標籤的資料來將資料點歸類到預定義的類別中。決策樹 (Decision Tree) 是一種監督式學習演算法，用於分類或迴歸任務，同樣需要標籤資料進行訓練。