Aprendizaje no supervisado (Unsupervised learning)
Aprendizaje automático a partir de datos sin etiquetar: el modelo encuentra estructura como grupos o patrones sin que le digan las respuestas correctas.
El aprendizaje no supervisado encuentra estructura en datos sin etiquetar: no hay salidas objetivo, así que el modelo agrupa o comprime los ejemplos solo por similitud.
Es una vertiente central del aprendizaje automático, la contraparte del aprendizaje supervisado con pares etiquetados y del aprendizaje por refuerzo guiado por recompensas. Los métodos clásicos incluyen el clustering (agrupar puntos parecidos, como en k-medias) y la reducción de dimensionalidad, donde un modelo organiza por sí mismo los ejemplos crudos. Las GAN (2014) aprenden a generar datos sintéticos enfrentando dos redes sin objetivos etiquetados. El preentrenamiento autosupervisado detrás del aprendizaje profundo moderno está muy relacionado: aprende de texto crudo sin etiquetas humanas antes de cualquier ajuste fino.