监督学习通常是尝试学习数学函数，$f(\bf X)=\bf y$. 为此，您需要输入向量$\bf X$和输出向量$\bf y$. 模型输出具有目标值所具有的任何维度。

相反，无监督学习模型从数据中学习结构。例如，聚类模型正在学习数据中存在多少聚类（与输入类型不同的数字）以及这些聚类所在的位置（这也是与输入不同的类型）。在新数据点上运行此模型的输出$x$不是同一类型$x$，而是一个分类标签。

类似地，时间序列模型学习的参数表示输入中的向量如何相互关联，而不是原始输入本身。

至于他们如何学习，结构是数学对象，其适应度由输入数据决定。最简单的非结构化无监督学习问题可能是“数据的含义是什么？”，应该清楚这是如何通过处理输入来“学习”的。更复杂的模型只是在计算中添加更多部分。