机器遗忘（Machine Unlearning，简称 MU）旨在使机器学习模型能够忘记或移除其训练中某些数据点的知识，以满足隐私保护、法律要求或版权保护等需求。

机器遗忘主要有两种策略：精确遗忘和近似遗忘。精确遗忘通过从头开始重新训练模型，完全排除需要遗忘的数据，但这种方法计算成本高昂。近似遗忘则试图通过修改现有模型来实现遗忘，避免了重新训练的高成本。