I modelli di Machine Learning descrittivi (non supervisionati) sono caratterizzati dal non avere una variabile da prevedere (la «risposta» del modello), come invece avviene in tutti i modelli di ML predittivo. Essi si limitano a cercare informazioni nel dataset. Ad esempio: c’è un modo chiaro per visualizzare i dati? ci sono dei sottogruppi tra le variabili o tra le osservazioni del dataset? Il Machine Learning descrittivo è costituito da un insieme di tecniche ed algoritmi molto diversificato, per rispondere a domande come le precedenti.

Per certi versi, il ML descrittivo è più sfidante di quello predittivo perché, non essendoci risposta, non è possibile verificare in modo oggettivo le prestazioni del modello. A differenza del ML predittivo, ogni valutazione dell’accuratezza dei modelli di ML descrittivo è pertanto soggettiva. Il ML descrittivo è spesso un passo importante dell’Analisi esplorativa dei dati.

Nonostante questi limiti, il ML descrittivo è di crescente importanza per le aziende, con molti casi d’uso interessanti. I modelli descrittivi e predittivi, inoltre, possono agire sinergicamente.