机器学习是编程计算机的科学(和艺术)，因此他们可以从数据中学习。

这里有一个更一般的定义：

机器学习是一个研究领域，它使计算机能够在不被明确编程的情况下学习。    -------------Arthur Samuel, 1959

还有一个更工程化的定义:

对于某类任务T和性能度量P，如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善，那么我们称这个计算机程序在从经验E学习
                                                                 ----------Tom Mitchell, 1997

例如，您的垃圾邮件过滤器是一个机器学习程序，可以根据给定的垃圾邮件样本(例如，用户标记的垃圾邮件)和正常的(非垃圾邮件，也叫“ham”)邮件的样本，学习标记垃圾邮件。系统用来学习的例子被称为训练集（training set）。每个训练样本被称为训练实例（training instance）/训练样本（training example）。在这种情况下，任务T是为新邮件标记是否为垃圾邮件，经验E是训练数据（training data），而性能度量P需要被定义;例如，你可以使用正确分类的邮件的成功比例。这种特殊的性能度量被称为精度（accuracy），它通常用于分类任务。

如果你只是下载了维基百科的副本，你的电脑就会有更多的数据，但它在任何任务上都不会突然变得更好。因此，这不是机器学习。