Modelos no supervisados

Clustering: agrupar observaciones en grupos o clústeres similares (p. ej., segmentación de clientes o mercados)

Detección de anomalías: detectar qué observaciones se salen del “patrón normal” descubierto y usarlo como entrada en aprendizaje supervisado o para decisiones de negocio

Recomendadores: p. ej., recomendar productos o servicios a clientes según su similitud con otros clientes (como las recomendaciones de películas de Netflix)