某公司擁有 PB 級的未標記客戶資料，並希望將客戶分層以進行精準廣告投放。哪種機器學習方法最適合此任務？

非監督式學習最適合此任務，因為公司擁有大量「未標記」的客戶資料。非監督式學習演算法，例如聚類（clustering），可以在沒有預先定義標籤的情況下，自動從資料中發現隱藏的模式和結構，將客戶分層。監督式學習需要預先標記的資料來訓練模型，這與題目中「未標記」的條件不符。強化學習和來自人類回饋的強化學習（RLHF）主要用於決策制定和序列任務，例如遊戲或機器人控制，不適用於客戶分層這種資料探索任務。