Επεξήγηση:
Στο Unsupervised Learning (Μη Επιβλεπόμενη Μάθηση), το μοντέλο εκπαιδεύεται μόνο με δεδομένα εισόδου χωρίς αντίστοιχες εξόδους ή ετικέτες. Ο στόχος είναι η ανίχνευση κρυφών δομών ή συσχετίσεων, όπως η ομαδοποίηση (clustering) ή η μείωση διαστάσεων (dimensionality reduction). Κλασικά παραδείγματα είναι ο αλγόριθμος k-means και η Ανάλυση Κύριων Συνιστωσών (PCA). Χρησιμοποιείται συχνά σε αναλύσεις αγοράς, προτάσεις προϊόντων και ανίχνευση ανωμαλιών.