有一些无监督学习算法可用于模式识别（即发现数据中的模式）。最值得注意的可能是k-means，它是一种聚类算法。在 k-means 中，您可以根据它们之间的距离（或相似性）将未标记的数据聚类到组（或集群）中。当新数据点到达时，您会将其与最相似的集群相关联。从这个意义上说，您正在以无人监督的方式执行模式识别。

这是 C. Bishop 着名的《模式识别和机器学习》（2006 年）一书的摘录

在其他模式识别问题中，训练数据由一组输入向量组成$x$没有任何对应的目标值。此类无监督学习问题的目标可能是发现数据中的相似示例组（称为聚类），或确定输入空间内的数据分布（称为密度估计），或将数据从高- 为了可视化的目的，将空间缩小到两个或三个维度。

因此，除了聚类问题之外，还有其他问题，您可能希望使用无监督学习算法来解决模式识别，例如密度估计（参见例如混合模型）或降维（参见例如 PCA）。