La Chemiometria è un settore della chimica che studia l'applicazione dei metodi matematici o statistici ai dati chimici. La International Chemometrics Society (ICS) ne dà la seguente definizione:

"a chemical discipline that uses mathematical and statistical methods to: design/select optimal procedures and experiments, provide maximum chemical information by analysing data, give a graphical representation of this information, in other words information aspects of chemistry".

La Chemiometria può essere definita come la branca della chimica che si serve di metodi matematici, statistici e logici per:

• progettare, selezionare ed ottimizzare procedure ed esperimenti;
• estrarre la massima informazione possibile sul sistema in esame attraverso l'analisi dei dati;
• fornire una rappresentazione grafica di questa informazione.

Appare chiaro come la Chemiometria accompagni il processo chimico, ed in particolare chimico-analitico, lungo tutte le sue fasi a partire dal campionamento fino all'ottimizzazione di metodi e procedure e alla conversione del dato grezzo in informazione. La chemiometria si avvale infatti di diversi metodi per analizzare e interpretare grandi quantità di dati chimici. Tra i principali troviamo:

• Experimental Design (DOE - Design of Experiments): consiste nella pianificazione sistematica degli esperimenti per massimizzare l'informazione ottenuta con il minor numero di esperimenti. Tecniche come il factorial design e il response surface methodology aiutano a individuare le condizioni ottimali di un processo.
• Esplorazione della struttura dei dati: metodi come l'Analisi delle Componenti Principali (PCA) e la Cluster Analysis permettono di ridurre la dimensionalità dei dati e individuare pattern nascosti, correlazioni e gruppi omogenei di campioni.
• Modelli di Regressione, come la Regressione Lineare Multipla (MLR), la Regressione PLS (Partial Least Squares) e la Regressione Ridge/Lasso, vengono impiegate per prevedere variabili risposta quantitative in base a variabili predittive.
• Modelli di Classificazione, basati su algoritmi come l’Analisi Discriminante, PLS-DA (PLS Discriminant Analysis), Support Vector Machines (SVM) e Random Forest, sono usati per prevedere risposte qualitative (l’appartenenza a classi predefinite) di nuovi campioni.