למידה לא מפוקחת היא סוג של למידת מכונה שבה מודלים מאומנים באמצעות נתונים לא מסומנים, כלומר אין לנתונים קטגוריות או תוויות מוגדרות מראש. המטרה העיקרית של Unsupervised Learning היא לזהות דפוסים, מבנים או קשרים בבסיס הנתונים ללא הוראה מפורשת. אלגוריתמים הפועלים לפי פרדיגמה זו מנסים ללמוד את המבנה המובנה מנתוני הקלט, לעתים קרובות מתמקדים בקיבוץ או פילוח של נקודות נתונים על סמך קווי דמיון.
טכניקות נפוצות בלמידה ללא פיקוח כוללות אשכולות ואסוציאציות. שיטות אשכולות, כמו K-means, מקבצות נקודות נתונים על סמך קווי הדמיון שלהן, ויוצרות אשכולות נפרדים ללא כל ידע מוקדם על הקבוצות הללו. מצד שני, טכניקות שיוך, כמו אלגוריתם אפריורי, מזהות כללים המתארים חלקים גדולים מהנתונים, כמו גילוי שאנשים שקונים מוצר X קונים לעתים קרובות גם את מוצר Y. בשל אופיו, למידה ללא פיקוח שימושית במיוחד בחקר. ניתוח נתונים, כאשר המטרה היא לזהות דפוסים או קשרים שלא ידועים בעבר במערכים גדולים.
