非监督式学习（英语：unsupervised learning），又称无监督学习，是机器学习的一种方法，没有给定事先标记过的训练范例，自动对输入的资料进行分类或分群。无监督学习的主要运用包含：聚类分析（cluster analysis）、关联规则（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模型允许丛集的个数可随着问题的大小而变动，并让使用者控制成员和同一个丛集之间的相似度分数，其方式为通过一个由使用者自定而被称为警觉参数的常数。ART也用于模式识别，如自动目标辨识和数码信号处理。第一个版本为"ART1"，是由卡本特和葛罗斯柏格所发展的。

方法

非监督式学习常使用的方法有很多种，包括：

• 分群法
  • K-平均演算法
  • 混合模型
  • 阶层式分群
• 异常检测
• 人工神经网络
  • 自编码
  • 深度置信网络（Deep belief network）
  • 赫布学习
  • 生成对抗网络
  • 自组织映射
• 学习潜在变数模型的方法
  • 最大期望演算法
  • 矩估计
  • 盲信号分离技术，例如：
    • 主成份分析
    • 独立成份分析
    • 非负矩阵分解（Non-negative matrix factorization）
    • 奇异值分解

• 人工智能
• 强人工智能

• 艾伦·图灵
• 图灵测试

• 感知机
• 多层感知器
• ER随机图

• 无监督式学习网络
• 人工神经网络
• 数据聚类
• 最大期望演算法

• 人工生命
• 人工智能哲学
• 认知神经科学
• 电脑围棋
• 恐怖谷理论
• 电子世界争霸战
• 电脑科学
• 认知科学
• 意识
• 语义学
• 技术奇异点
• 集体智慧
• 控制论
• 心理学
• 生物化学计算机（例：人脑）
• 国际人工智能联合会议
• 网络本体语言（OWL）
• 游戏树

• 计算智能
• 数据挖掘
• 模式识别
• 自主控制机器人
• 归纳逻辑编程
• 决策树
• 神经网络
• 强化学习
• 贝叶斯学习
• 最近邻居法
• 计算学习理论
• 深度学习
• 机器学习控制

• 机械电子学
• 控制论
• 无人航空载具（俗称无人飞机）
• 认知科学

• 技术性失业