Unüberwachtes Lernen, Unsupervised Learning, ist ein Verfahren, das im Machine Learning eingesetzt wird. Im Unterschied dazu stehen das Supervised Learning und das Reinforcement Learning.
Beim Unsupervised Learning, dem unüberwachten Lernen, geht es darum, Muster und Regelmäßigkeiten aus den Eingabedaten und dem Datenbestand zu ziehen und daraus Erkenntnisse und Rückschlüsse für die weitere Bearbeitung zu gewinnen. Für die Ermittlung von Regelmäßigkeiten und Tendenzen werden Methoden angewendet mit denen die Eingabedaten zu Clustern aggregiert werden. Das System ermittelt also feste Muster, die anschließend als Referenz für eine Erkennung der Muster dienen und damit eine Zuordnung von Objekten oder Daten zu einer Gruppe ermöglichen. Die Methode, die sich bei der Extraktion der Struktur von Daten als effektiv erweist und es Computern ermöglicht, automatisch die Korrelationen und Muster aus riesigen Datenmengen zu finden, wird auch beim Data Mining eingesetzt.
Ziel des unüberwachten Lernens ist es Beziehungen, Strukturen und Relationen zwischen den Daten zu ermitteln. Das Modell des Unsupervised Learning baut auf vorhandenen Datenstrukturen auf und integriert neue Daten in das vorhandene Modell. Nachteilig ist die Kontrolle des unüberwachten Lernens, da das, was zu lernen ist, von den Computern abhängt. Die Analyse hängt von der Qualität der bereitgestellten Daten ab und des für die Clusterbildung verwendeten Algorithmus.