教師なし学習とは、正解データ（ラベル）がない状態で、データの中から共通点や構造を自動的に見つけ出す学習方法です。たとえば、顧客を購買傾向でグループ分けしたり、画像の特徴を抽出したりする場合に使われます。

教師なし学習（Unsupervised Learning）は、入力データに正解ラベルがない状態で、データの構造やパターンを見つけるための学習方法です。目的は「未知の構造を発見する」ことにあり、人間があらかじめ分類できないような特徴を自動で抽出します。

代表的な手法には「クラスタリング」と「次元削減」があります。クラスタリングでは、データの類似性に基づいてグループ（クラスタ）を形成します。たとえば、顧客データを購買行動で分類し、マーケティング戦略に活かすことができます。一方、次元削減はデータの特徴を少ない変数に圧縮して、可視化や分析をしやすくします。主成分分析（PCA）やt-SNEなどが代表例です。

教師なし学習はラベルが不要なため、大量のデータを効率よく扱えます。特に、データの傾向を探る探索的分析や、異常検知などに利用されます。近年では、生成AIの基盤となる自己教師あり学習（Self-Supervised Learning）にも発展しており、AIの自律的な学習能力を支える重要な技術となっています。