機械学習を用いて学習データの分布（入力と出力のペア）に基づいて予測問題を解く手法を，「データ・ドリブン(data-driven)な〇〇手法」と形容することが多い．古典的な「モデルや最適化アルゴリズムなどを用いる手法」と対比する意味で，（大量の）データをもとにした機械学習ベースの手法のことを「データ・ドリブンな手法」と形容する際に使われた言葉である（特に2000年ごろ）．

科学全般において古典的には，入力データに対してなんらかの出力を予測する際に，モデルベースやルールベースの手法で取り組むことが普通であった．その後，時代が進み，2000年前後にWeb2.0などで大量のユーザーデータが入手できる時代が始まり「データからデータマイニングを通じて知識を抽出する」ことを行ったり（※人力のデータ分析も含む），「教師あり学習でデータセットの分布から予測器を学習する」ことが一般的になったので，それらを以前の手法と区別する意味で「データ・ドリブンな手法」と呼ぶようになった．

その2000年ごろ以降，音声認識や画像認識など，データ・ドリブンな研究論文がたくさん提案されることとなり，それらの論文のタイトルやIntroductionにも「データドリブン」と書いてあるものが多い．2010年代に入っても，コンピュータビジョンではまだ機械学習・データドリブン手法で取り組まれていないものも多かったので，パターン認識で解いた研究には「データドリブンな」と区別するために入っていることもあったが，現在はそういった問題も深層学習ベースの手法の提案がないことの方が少なく，わざわざ「データドリブン」と形容する論文はすっかり見なくなった．