在机器学习中，有监督学习和无监督学习是两种主要的范式。无监督学习算法的特点是它们在没有预先标记的数据上进行训练，以发现数据中的模式或结构。让我们分析给定的几个算法：

1. **CART (Classification and Regression Trees)**:
- CART是一种决策树算法，主要用于有监督学习。它需要标记的数据来训练模型以进行分类或回归分析。因此，CART不属于无监督学习。

2. **Apriori**:
- Apriori是一种用于挖掘频繁项集和关联规则的经典算法。它在无监督学习中被用于找出数据集中有趣的模式和关联。因此，Apriori属于无监督学习。

3. **ARIMA (AutoRegressive Integrated Moving Average)**:
- ARIMA是一种时间序列预测模型，主要用于分析和预测趋势。尽管其本质上不使用标签，但它被看作是监督学习的一部分，因为它需要用历史数据来进行建模和预测。因此，ARIMA不属于无监督学习。

4. **Bayes Net (Bayesian Networks)**:
- 贝叶斯网络是一种概率图模型，用于表示一组随机变量及其条件依赖关系。虽然贝叶斯网络可以用于有监督学习，但其结构学习（即确定网络结构）通常可以在无标签数据上进行，因此它可以同时用于无监督和监督学习。

综上所述，只有Apriori明确属于无监督学习算法。以下是总结：

| 算法 | 学习类型 |
|-----------|-------------------|
| CART | 有监督学习 |
| Apriori | 无监督学习 |
| ARIMA | 有监督学习（时间序列）|
| Bayes Net | 兼具有监督与无监督学习 |

因此，正确的答案是 **B: Apriori**。