Este modelo de aprendizaje no cuenta con el conocimiento previo de su estructura. Es decir, se enfrenta a un conjunto de datos desordenados, sin etiquetar, y sin variables de salida. La función del aprendizaje no supervisado, es de conseguir información que es clave a través de la exploración de la estructura de los datos que no han sido etiquetados previamente. Existen dos categorías en este aprendizaje automático, clustering y reducción dimensional. El primero, se refiere a la exploración que permite el análisis de datos con el fin de organizar la información en grupos con características similares; esta técnica es la más popular en las estrategias de marketing. El segundo, se encarga de aquellos datos más complejos y que presentan mayor demanda y capacidad de procesamiento; a fin de identificar las correspondencias entre las características del grupo de datos para disminuir las redundancias de los datos y el tiempo de análisis, obteniendo así, información de valor.



Cabe mencionar tambien el machine learning Semi-supervisado, que utiliza la combinación del aprendizaje supervisado y no supervisado. Lo que permite producir información importante sobre aquellos datos disponibles haciendo uso de los datos etiquetado y no etiquetados.