기계 학습 또는 머신 러닝(Machine Learning)은 경험을 통해 자동으로 개선하는 컴퓨터 알고리즘의 연구이다. 인공지능의 한 분야로 간주된다. 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야이다. 가령, 기계 학습을 통해서 수신한 이메일이 스팸인지 아닌지를 구분할 수 있도록 훈련할 수 있다.

기계 학습의 핵심은 표현(representation)과 일반화(generalization)에 있다. 표현이란 데이터의 평가이며, 일반화란 아직 알 수 없는 데이터에 대한 처리이다. 이는 전산 학습 이론 분야이기도 하다. 다양한 기계 학습의 응용이 존재한다. 문자 인식은 이를 이용한 가장 잘 알려진 사례이다.

1959년, 아서 사무엘은 기계 학습을 "기계가 일일이 코드로 명시하지 않은 동작을 데이터로부터 학습하여 실행할 수 있도록 하는 알고리즘을 개발하는 연구 분야"라고 정의하였다.

선수 지식

베이즈 이론

모형화

인공 신경망

결정 트리 학습법

유전 알고리즘 (Genetic Algorithm)

유전자 프로그래밍

가우스 과정 회귀

선형 분별 분석

K-최근접 이웃 알고리즘

퍼셉트론

방사 기저 함수 네트워크

서포트 벡터 머신 (support vector machine)

모수 추정 알고리즘

동적 프로그래밍

기댓값 최대화 알고리즘

생성 모형을 이용한 확률 분포 함수의 모형화

베이즈 네트워크와 마르코프 임의장을 포함한 그래프 모형

근사 추론 기법

몬테 카를로 방법

아다부스트