Học không giám sát là khi cung cấp tập dữ liệu không có nhãn, cần phân tích và tìm mẫu bên trong. Ví dụ là giảm chiều và phân cụm. Huấn luyện được cung cấp cho máy với tập dữ liệu chưa được gán nhãn, phân loại, hoặc phân loại, và thuật toán phải hoạt động trên dữ liệu đó mà không có sự giám sát. Mục tiêu của học không giám sát là cấu trúc lại dữ liệu đầu vào thành đặc trưng mới hoặc tập đối tượng với các mẫu giống nhau.
Phân tích cụm được dùng để hình thành nhóm hoặc cụm các bản ghi giống nhau dựa trên các phép đo khác nhau thực hiện trên các bản ghi này. Ý tưởng chính là xác định các cụm theo cách có thể hữu ích cho mục đích phân tích. Dữ liệu này đã được dùng trong nhiều lĩnh vực, như thiên văn học, khảo cổ học, y học, hóa học, giáo dục, tâm理学, ngôn ngữ học, và xã hội học.
Google là ví dụ của phân cụm dùng học không giám sát để nhóm mục tin tức dựa trên nội dung của chúng. Google có tập hàng triệu mục tin tức viết về nhiều chủ đề và thuật toán phân cụm của nó nhất thiết nhóm các mục tin tức này thành số lượng nhỏ những cái giống hoặc liên quan đến nhau bằng cách dùng nhiều thuộc tính, bao gồm tần suất từ, độ dài câu, số trang, v.v.
Có nhiều ví dụ của Học không giám sát như sau:
Tổ chức cụm máy tính (Organize computing clusters) – Vị trí địa lý của máy chủ được xác định dựa trên phân cụm yêu cầu web nhận từ một khu vực cụ thể của thế giới. Máy chủ cục bộ sẽ chỉ chứa dữ liệu thường được yêu cầu bởi người ở khu vực đó.
Phân tích mạng xã hội (Social network analysis) – Phân tích mạng xã hội được thực hiện để tạo cụm bạn bè dựa trên tần suất kết nối giữa họ. Phân tích như vậy tiết lộ liên kết giữa người dùng của một số trang web mạng xã hội.
Phân đoạn thị trường (Market segmentation) – Tổ chức bán hàng có thể phân cụm hoặc nhóm người dùng của họ thành nhiều phân đoạn dựa trên mục đã thanh toán trước. Ví dụ, siêu thị lớn có thể muốn gửi SMS về mặt hàng tạp hóa cụ thể đến người dùng mua tạp hóa thay vì gửi SMS đó cho tất cả người dùng.
Không chỉ rẻ hơn mà còn tốt hơn; dù sao cũng có thể là phiền toái không liên quan đến những người chỉ mua quần áo từ cửa hàng. Việc gom nhóm người dùng thành nhiều phân đoạn dựa trên lịch sử mua hàng sẽ cho phép cửa hàng nhắm đúng người dùng để tăng doanh số và tăng lợi nhuận.
Phân tích dữ liệu thiên văn (Astronomical data analysis) – Thiên văn học cần kính viễn vọng lớn để nghiên cứu ngân hà và sao. Mẫu trong ánh sáng hoặc gom ánh sáng nhận từ nhiều phần của bầu trời giúp nhận diện nhiều ngân hà, hành tinh, và vệ tinh.