Mašīnmācīšanās ir zinātniska disciplīna, kas pēta algoritmu, kuri spēj mācīties no datiem, izveidi un izpēti. Šādi algoritmi darbojas, veidojot modeli no ievades piemēriem un izmantojot to, lai veiktu prognozes vai pieņemtu lēmumus, nevis sekojot stingri statiskām programmas instrukcijām. Mašīnmācīšanās ir cieši saistīta un bieži pārklājas ar skaitļošanas statistiku, kas arī specializējas prognožu veidošanā. Mašīnmācīšanās ir datorzinātnes apakšnozare, kas izriet no mākslīgā intelekta pētījumiem. Tai ir cieša saikne ar statistiku un matemātisko optimizāciju, kas nozarei nodrošina metodes, teoriju un pielietojuma jomas. Mašīnmācīšanos izmanto dažādos skaitļošanas uzdevumos, kur nav iespējams izstrādāt un programmēt skaidrus, uz noteikumiem balstītus algoritmus. Piemēroti lietojumi ir surogātpasta filtrēšana, optiskā rakstzīmju atpazīšana (OCR), meklētājprogrammas un datorredze. Mašīnmācīšanos dažkārt jauc kopā ar datu ieguvi, lai gan tā vairāk koncentrējas uz pētniecisko datu analīzi. Mašīnmācīšanos un tēlu atpazīšanu "var uzskatīt par vienas jomas diviem aspektiem". Ja mašīnmācīšanās metodes izmanto rūpnieciskos kontekstos, tās var dēvēt par prognozēšanas analītiku vai prognozēšanas modelēšanu.