기계학습은 과거의 데이터를 통해 미래의 결과를 예측하는 컴퓨터 알고리즘의 연구이다.
즉 기계학습은 컴퓨터를 인간처럼 학습시켜 규칙을 찾아내는 과정이라고 볼 수 있다.
Tom M. Mitchell은 기계학습에 대하여 "A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E", 즉, 어떠한 작업을 T라고 하고 그 작업의 성능을 P라고 할때 데이터를 통한 학습 E를 통하여 P를 발전시키는 것이 기계학습이라고 표현했다.
기계학습에는 수학과 통계학적 기반이 중요한데, 수리통계학, 선형대수학, 이산수학, 미적분학, 수치해석에 대한 이해가 꼭 필요하다고 한다.
기계학습의 종류로는 지도학습, 비지도 학습, 강화 학습이 있다.
간단하게 표현하자면, 지도학습은 정답이 있는 데이터를 학습시키는 것을, 비지도 학습은 정답이 없는 데이터를 특징을 통해 군집화하는 방향으로 학습시키는 것을, 강화학습은 행동에 대한 보상을 주며 학습시키는 것을 말한다.