Обучение без присмотра (Unsupervised Learning) представляет собой класс алгоритмов машинного обучения, который выявляет скрытые структуры и закономерности в необмеченных данных. Этот процесс не требует целевых меток или внешнего контроля. К основным методам относятся кластеризация, такие как K-средние и DBSCAN, понижение размерности с использованием PCA и t-SNE, а также ассоциативные правила и генеративные состязательные сети (GAN). Обучение без присмотра находит применение в сегментации рынка, обнаружении аномалий, извлечении признаков и визуализации данных высокой размерности.