教師なし学習は、正解ラベルや目的変数の与えられていない入力データだけを用いて、データ自体に隠された構造やパターン、規則性、類似性を抽出する手法です。主なアプローチとして、データをいくつかの似たグループに分ける「クラスタリング（群画化）」と、データの次元（変数の数）を情報の損失を最小限に抑えながら減らす「次元削減（主成分分析など）」、データ同士の併発ルール（もしAを買ったらBも買うなど）を見つける「アソシエーション分析（関連性ルール分析）」があります。クラスタリングには、事前にグループ数を決めて分ける「k-means（k平均法）」や、樹形図のように階層を作っていく「階層的クラスタリング」などがあります。データの背景にある本質的な特徴を可視化したり、顧客セグメンテーションを行ったりする際に非常に有用な手法です。