Apriori算法是关联规则挖掘算法，它利用逐层搜索的迭代方法找出数据库中项集的关系，以形成规则

无监督学习和监督学习是机器学习中两种基本的类型。无监督学习的特点是算法在训练时不依赖于标签数据，而是通过输入数据本身的特征进行学习和发现数据中的模式。

根据这个定义，我们来分析以下选项：

A: CART（Classification and Regression Trees）是一种决策树算法，主要用于分类和回归任务。这是一种监督学习算法，因为它需要使用带有标签的数据来训练模型。

B: Apriori是一种用于挖掘关联规则的算法，常用于市场篮分析等领域。它不依赖于标签数据，而是通过发现数据中的频繁项集和关联规则进行学习。因此，Apriori是一种无监督学习算法。

C: ARIMA（AutoRegressive Integrated Moving Average）是一种时间序列预测模型，主要用于时间序列数据的分析和预测。虽然ARIMA在某些情况下可以不使用标签数据进行建模，但它通常被认为是一种监督学习算法，因为它依赖于过去的数据来预测未来的值。

D: Bayes Net（贝叶斯网络）是一种基于概率论的图模型，用于表示随机变量及其条件依赖关系。贝叶斯网络可以用于分类任务（监督学习）和生成模型（无监督学习）。但在大多数情况下，贝叶斯网络被用于监督学习。

综上所述，正确答案是：

B: Apriori

Apriori算法是无监督学习的代表算法之一，它通过分析数据本身的特征来发现潜在的模式和关联规则。