モデルを訓練して、データセット（通常は無ラベルのデータセット）内のパターンを見つけます。

教師なし機械学習の最も一般的な用途は、データを異なるクラスターに分けて、類似したサンプルを同じグループに配置することです。たとえば、教師なし機械学習アルゴリズムは、音楽のさまざまな属性に基づいて曲を異なるクラスターに分けることができます。得られたクラスターは、他の機械学習アルゴリズム（たとえば音楽推薦サービス）の入力として利用できます。正しいラベルを取得することが難しい分野では、クラスタリングが非常に有用です。たとえば、不正利用防止や詐欺防止などの分野では、クラスタリングによって関連データをよりよく理解することができます。

教師なし機械学習のもう一つの例は、主成分分析 (PCA) です。たとえば、数百万のショッピングカート内の商品を含むデータセットに対して主成分分析を行うと、レモンが入っているショッピングカートには抗酸薬も入っていることが多いことがわかるかもしれません。

教師あり機械学習 と比較してください。