Ingen fortæller et barn, hvilke lyde der tilhører hvilket sprog, før de begynder at sortere dem. Uovervåget læring fungerer på samme måde: algoritmen modtager data uden etiketter og skal selv finde struktur. Der er intet korrekt svar at kontrollere imod, kun mønstre, der opstår ud fra dataenes egen form.

Klyngedannelse er det klassiske eksempel. En detailhandler kan indføre et års købsdata i en klyngedannelsesalgoritme og opdage fem forskellige kundegrupper, som den aldrig har defineret. Dimensionalitetsreduktion er et andet: komprimering af hundredvis af målinger til et todimensionelt kort, der bevarer meningsfulde relationer.

Hvor den tjener sin plads

• Kundesegmentering til markedsføring
• Anomalidetektion i netværkstrafik eller produktion
• Emneopdagelse i store dokumentsamlinger
• Forudtræningsrepræsentationer til senere overvågede opgaver

Fraværet af etiketter er både en frihed og en byrde. Uden ground truth er evaluering af resultater subjektiv og kræver ofte, at et menneske fortolker, om klyngerne giver mening. Men når etiketter er umulige eller for dyre, er uovervågede metoder den eneste måde at se, hvad dataene skjuler.