Vamos a distinguir las siguientes subcategorías de algoritmos no supervisados:
- Clustering
En este tipo de algoritmos, el objetivo es separar las muestras en grupos (o clusters) coherentes entre sí.
- Reducción de dimensionalidad
El objetivo en este caso es reducir un conjunto de datos de m características (de m dimensiones) a un conjunto de datos de menor multidimensionalidad, con el objeto de hacerlo más asequible a otros algoritmos o de ser más fácilmente interpretado por una persona.
- Visualización
Una aplicación derivada de la reducción de dimensionalidad es el ser capaces de mostrar en una gráfica de dos dimensiones la estructura de un dataset multidimensional.