Machinaal leren is een wetenschappelijke discipline die de constructie en studie van algoritmen onderzoekt die kunnen leren van gegevens. Zulke algoritmen werken door een model te bouwen op basis van voorbeeldinvoer en dat te gebruiken om voorspellingen te doen of beslissingen te nemen, in plaats van strikt statische programma-instructies te volgen. Machinaal leren is nauw verwant aan en overlapt vaak met computationele statistiek; een discipline die ook gespecialiseerd is in het maken van voorspellingen. Machinaal leren is een deelgebied van de computerwetenschap dat voortkomt uit onderzoek naar kunstmatige intelligentie. Het heeft sterke banden met statistiek en wiskundige optimalisatie, die methoden, theorie en toepassingsgebieden leveren aan het vakgebied. Machinaal leren wordt gebruikt in een reeks computertaken waarbij het ontwerpen en programmeren van expliciete, op regels gebaseerde algoritmen niet haalbaar is. Voorbeelden van toepassingen zijn spamfiltering, optische tekenherkenning (OCR), zoekmachines en computervisie. Machinaal leren wordt soms verward met datamining, hoewel dat zich meer richt op verkennende gegevensanalyse. Machinaal leren en patroonherkenning "kunnen worden gezien als twee facetten van hetzelfde veld". In een industriële context kunnen methoden van machinaal leren worden aangeduid als predictive analytics of predictive modelling.