Ingen forteller et barn hvilke lyder som tilhører hvilket språk før de begynner å sortere dem. Uovervåket læring fungerer på samme måte: algoritmen mottar data uten etiketter og må finne struktur på egenhånd. Det finnes ikke noe riktig svar å sjekke mot, bare mønstre som dukker opp fra dataenes egen form.

Klyngedannelse er det klassiske eksemplet. En forhandler kan mate inn et års kjøpsregistreringer i en klyngealgoritme og oppdage fem distinkte kundegrupper den aldri har definert. Dimensjonalitetsreduksjon er et annet: å komprimere hundrevis av målinger til et todimensjonalt kart som bevarer meningsfulle relasjoner.

Der den tjener sin plass

• Kundesegmentering for markedsføring
• Avviksdeteksjon i nettverkstrafikk eller produksjon
• Emneoppdagelse i store dokumentsamlinger
• Forhåndstreningsrepresentasjoner for senere overvåkede oppgaver

Fraværet av etiketter er både en frihet og en byrde. Uten grunnleggende sannhet er evaluering av resultater subjektivt og krever ofte at et menneske tolker om klyngene gir mening. Likevel, når etiketter er umulige eller for kostbare, er uovervåkede metoder den eneste måten å se hva dataene skjuler.