教師なし学習（Unsupervised Learning）は、正解ラベルの ない データから、似たもの同士のグループや、隠れた構造を見つけ出す 機械学習 の方法です。教師あり学習 と違い、「正解」を教えません。
代表的な用途があります。
- クラスタリング（グループ分け） … データを、似た者同士のまとまりに分ける。例：顧客を購買傾向でグループ化し、それぞれに合った施策を打つ。
- 次元削減 … たくさんの項目を、本質を保ちつつ少数にまとめる。可視化やデータ整理に使う。
- 異常検知 … ふだんと違うデータを見つける。不正利用や故障の予兆など。
たとえば、顧客データを渡して「どんなグループがあるか、自分で見つけて」と任せるのが教師なし学習です。人があらかじめグループを決めるのではなく、データ自身に潜む規則を、AIが浮かび上がらせます。
正解を用意しなくてよいのが大きな利点ですが、見つかった構造が何を意味するかは、人が解釈する必要があります。「答えを教えて学ばせる」教師ありと、「データから発見させる」教師なし——目的に応じて使い分けます。