无监督学习(英语:unsupervised learning)是机器学习的一种方法,没有给定事先标记过的训练示例,自动对输入的数据进行分类或分群。无监督学习的主要运用包含:聚类分析(cluster analysis)、关系规则(association rule)、维度缩减(dimensionality reduce)。它是监督式学习和强化学习等策略之外的一种选择。
一个常见的无监督学习是数据聚类。在人工神经网络中,生成对抗网络(GAN)、自组织映射(SOM)和适应性共振理论(ART)则是最常用的非监督式学习。
ART模型允许集群的个数可随着问题的大小而变动,并让用户控制成员和同一个集群之间的相似度分数,其方式为透过一个由用户自定而被称为警觉参数的常量。ART也用于模式识别,如自动目标识别和数字信号处理。第一个版本为"ART1",是由卡本特和葛罗斯柏格所发展的。
非监督式学习常使用的方法有很多种,包括: