這一部分介紹的是無監督機器學習方法。該主題與前兩部分有所不同。在無監督學習中，類似分類和回歸中的目標變量事先並不存在。與前面「對於輸入數據X能預測變量Y」不同的是，這裡要回答的問題是：「從數據X中能發現什麼？」 這裡需要回答的X方面的問題可能是：「構成X的最佳6個數據簇都是哪些？」或者「X中哪三個特徵最頻繁共現？」
第10章介紹了無監督學習中的聚類（將相似項聚團）方法，包括k均值聚類算法。第11章介紹了基於Apriori算法的關聯分析或者稱購物籃分析。關聯分析可以用於回答「哪些物品經常被同時購買？」之類的問題。無監督學習部分的最後一章，即第12章將介紹一個更高效的關聯分析算法：FP-growth算法。