No aprendizado não supervisionado, as técnicas mais comuns incluem: 1. Agrupamento (Clustering): Agrupa dados em conjuntos com base em similaridades. Exemplos incluem K-means e DBSCAN. 2. Redução de Dimensionalidade: Técnicas como PCA (Análise de Componentes Principais) e t-SNE ajudam a simplificar dados complexos, mantendo suas características essenciais. 3. Análise de Associação: Identifica relações entre variáveis em grandes conjuntos de dados, como o algoritmo Apriori. Essas técnicas permitem que o modelo descubra padrões e estruturas nos dados sem a necessidade de rótulos pré-definidos.