无监督学习是一种机器学习，它在没有预先存在的标签和最少的人工监督的情况下，在一个数据集中寻找以前未被发现的模式。与通常使用人类标记数据的监督学习不同，非监督学习(也称为自组织学习)允许对输入的概率密度建模。它与监督学习和强化学习一起构成了机器学习的三个主要类别之一。无监督学习的两种主要方法是主元分析法和聚类分析法，其中聚类分析是机器学习的一个分支，它将没有标记、分类或分类的数据分组。在计算机视觉中，我们感兴趣的是如何识别一组像素，这称之为图像分割问题。