یادگیری ماشین (Machine Learning) شاخه‌ای از هوش مصنوعی است که به سیستم‌ها امکان می‌دهد با استفاده از داده‌ها الگو یاد بگیرند و برای نمونه‌های جدید پیش‌بینی یا تصمیم تولید کنند. در این رویکرد، به‌جای نوشتن تمام قواعد به‌صورت دستی، الگوریتم از نمونه‌های آموزشی رابطه میان ورودی و خروجی را می‌آموزد.
یادگیری نظارت‌شده، بدون نظارت و تقویتی از رویکردهای اصلی آن هستند. کیفیت داده، طراحی ارزیابی و توانایی تعمیم مدل به داده‌های دیده‌نشده در موفقیت یک راهکار یادگیری ماشین نقش اساسی دارند.
در تشخیص تقلب، ابتدا تراکنش‌های گذشته و برچسب‌های معتبر جمع‌آوری می‌شوند. بعد از جداسازی مجموعه آموزش و آزمون، مدل ساخته و با داده‌هایی که قبلاً ندیده ارزیابی می‌شود. نتیجه خوب روی داده آموزشی به معنی آماده بودن برای Production نیست.