پیش‌بینیها معمولاً به صورت احتمالی هستند و شامل برآورد عدم قطعیت مانند بازه های اطمینان یا بازهه ای پیش‌بینی میشوند.
به عنوان مثال، یک کسب و کار ممکن است با استفاده از پیش بینی به پیش بینی فروش یا تقاضای یک محصول در آینده بر اساس داده های فروش گذشته، شاخص های اقتصادی و سایر عوامل مرتبط دست یابد. یک هواشناس ممکن است با استفاده از داده های هواشناسی گذشته و شرایط جوی فعلی به پیش بینی احتمال بارش یا برف در روزهای آینده بپردازد.
از سوی دیگر، فرآیند پیشگویی یک نتیجه خاص یا مقداری برای یک متغیر بر اساس یک مجموعه از متغیرهای ورودی یا ویژگی ها است. در پیشگویی، ما به طور عمومی از الگوریتم ها و مدل های یادگیری ماشینی برای یادگیری الگوها و روابط در داده ها و پیشگویی نقاط داده جدید یا نامرئی استفاده میکنیم. پیشگویی ها به طور عمومی به صورت قطعی هستند، یعنی یک مقدار یا نتیجه واحد فراهم می کنند.
به عنوان مثال، یک شرکت کارت های اعتباری ممکن است با استفاده از یادگیری ماشینی به پیشگویی بپردازد که آیا یک مشتری بر اساس امتیاز اعتباری، درآمد و سایر عوامل به احتمال زیاد پرداخت خود را انجام نمی دهد یا نه . یک محقق پزشکی ممکن است با استفاده از یادگیری ماشینی به پیشگویی خطر بروز یک بیماری خاص بر اساس تاریخچه پزشکی، داده های ژنتیکی و عوامل سبک زندگی پردازد.