降维学习属于 无监督学习的范畴。无监督学习是指在没有标签数据的情况下，通过学习数据的结构和模式来进行预测或分类。降维学习的主要目的是减少数据集的维度，同时尽量保留数据的重要特征和信息。常见的降维方法包括主成分分析（PCA）、线性判别分析（LDA）和t-SNE等。这些方法通常使用未标记的数据来训练算法，因此属于无监督学习的范畴。尽管有时也可以结合监督信息进行降维，但这并不是降维学习的主要特征。