无监督学习是一种学习方法，其不为训练集提供对应类别的标识，通常适用于有数据集但无标签的情况。
无监督学习特点
- 使用的数据未经标记，即不知道输入数据对应的输出结果，其只能自己寻找数据模型和规律，如聚类和异常检测；
- 其目的是去对原始资料进行分类，以便了解资料内部结构；
- 学习时不知道分类结果是否正确，亦即没有收到监督式增强；
- 仅对此种网络提供输入范例，而它会自动从这些范例中找出潜在类别规则，学习完毕和测试后，会将其用至新的案例；
机器学习目前分为监督学习、无监督学习和半监督学习，其划分标准是训练样本是否包含人为标注的结果。
相关词：监督式学习、半监督学习
子级词：Apriori 算法、 K-Means 算法