Senki sem mondja meg egy gyereknek, hogy melyik hang melyik nyelvhez tartozik, mielőtt elkezdené a hangok rendezését. A felügyelet nélküli tanulás ugyanígy működik: az algoritmus címkék nélküli adatokat kap, és magának kell megtalálnia a struktúrát. Nincs helyes válasz, amivel össze lehetne hasonlítani, csak minták, amelyek az adatok saját alakjából adódnak.

A klaszterezés a klasszikus példa. Egy kiskereskedő egy évnyi vásárlási adatot betáplálhat egy klaszterező algoritmusba, és öt különálló, általa soha nem definiált vásárlói csoportot fedezhet fel. A dimenziócsökkentés egy másik példa: több száz mérés tömörítése egy kétdimenziós térképre, amely megőrzi az értelmes kapcsolatokat.

Ahol megélhetését keresi

• Ügyfélszegmentáció marketing célra
• Anomáliadetektálás hálózati forgalomban vagy gyártásban
• Témafeltárás nagyméretű dokumentumgyűjteményekben
• Előképzési reprezentációk későbbi felügyelt feladatokhoz

A címkék hiánya egyszerre szabadság és teher. Alapvető igazság nélkül az eredmények értékelése szubjektív, és gyakran emberre van szükség annak értelmezéséhez, hogy a klaszterek értelmesek-e. Mégis, amikor a címkék használata lehetetlen vagy túl költséges, a felügyelet nélküli módszerek az egyetlen módja annak, hogy kiderüljön, mit rejtenek az adatok.