教師なし学習（Unsupervised Learning）とは、正解ラベルが付与されていないデータからパターンや構造を自動的に発見する機械学習の手法です。教師あり学習とは異なり、「何が正解か」をモデルに教えることなく、データ自体に内在する規則性を抽出します。
教師なし学習の仕組み
教師なし学習では、モデルはラベルなしのデータセットのみを受け取り、データ間の類似性や相違点を分析します。データの分布や構造を捉えることで、グループ分け（クラスタリング）や次元削減、異常検知などのタスクを実行します。
主要な手法
教師なし学習の代表的な手法には、k-means法やDBSCANなどのクラスタリング手法、主成分分析（PCA）やt-SNEなどの次元削減手法、オートエンコーダーなどの特徴学習手法があります。これらの手法はデータの探索的分析やデータの前処理に広く使われています。
教師あり学習との違い
教師あり学習が「正解を知っている状態」で学習するのに対し、教師なし学習は「正解がない状態」でデータの構造を発見します。教師なし学習はラベル付けのコストが不要という利点がありますが、学習結果の評価が難しいという課題もあります。
活用例
顧客セグメンテーション、異常検知（不正取引の検出）、トピックモデリング、遺伝子データの解析、レコメンデーションなど、ラベル付きデータの入手が困難な場面で幅広く活用されています。