L’apprendimento non supervisionato è una tecnica di apprendimento automatico che consiste nel fornire al sistema informatico una serie di input (esperienza del sistema) che egli riclassificherà ed organizzerà sulla base di caratteristiche comuni per cercare di effettuare ragionamenti e previsioni sugli input successivi.

Al contrario dell’apprendimento supervisionato, durante l’apprendimento vengono forniti all’apprendista solo esempi non annotati, senza indicare delle connessioni, in quanto le classi non sono note a priori ma devono essere apprese automaticamente. Questo approccio è utilizzato per esempio nei programmi di clustering, che riescono a raggruppare i dati in base a caratteristiche comuni. Ad esempio, da un insieme di foto di animali riescono a distinguere quelle di cani da quelle di gatti.