Ingen berättar för ett barn vilka ljud som hör till vilket språk innan de börjar sortera dem. Oövervakad inlärning fungerar på samma sätt: algoritmen tar emot data utan etiketter och måste hitta struktur på egen hand. Det finns inget korrekt svar att kontrollera mot, bara mönster som framträder ur dataens egen form.

Klusterbildning är det klassiska exemplet. En återförsäljare kan mata in ett års inköpsregister i en klusteralgoritm och upptäcka fem distinkta kundgrupper som den aldrig definierat. Dimensionalitetsreduktion är ett annat: att komprimera hundratals mätningar till en tvådimensionell karta som bevarar meningsfulla relationer.

Där den förtjänar sin plats

• Kundsegmentering för marknadsföring
• Avvikelsedetektering i nätverkstrafik eller tillverkning
• Ämnesupptäckt i stora dokumentsamlingar
• Förträningsrepresentationer för senare övervakade uppgifter

Avsaknaden av etiketter är både en frihet och en börda. Utan grundfakta är utvärderingen av resultat subjektiv och kräver ofta en människa för att tolka om klustren är meningsfulla. Men när etiketter är omöjliga eller för kostsamma är oövervakade metoder det enda sättet att se vad informationen döljer.