یادگیری ماشینی یک رشته وسیع است که الگوریتم های یادگیری را طراحی کرده که می تواند محرک ها را هدایت کند، زبان گفتاری را تشخیص دهد و تنظیمات پنهان در رشد حجم داده را کشف کند، که داده های مالی نیز از این قاعده مستثنی نیست. بنابراین هدف از تحقیق حاضر، بررسی کاربرد یادگیری ماشین در ارایه الگویی برای کشف تحریفات با اهمیت حسابداری در شرکت های پذیرفته شده در بورس اوراق بهادار تهران است. تحلیل های آماری پژوهش، براساس داده های استخراج شده 308 شرکت پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1389 تا 1398 (3080 سال-شرکت) انجام و به منظور نمونه گیری از روش غربالگری استفاده شد. تحریفات حسابداری متغیر وابسته که از طریق متغیر مجازی صفر و یک بدست آمده و متغیرهای اقلام تعهدی غیر اختیاری، تغییر در حسابهای دریافتنی، تغییر در موجودی کالا، دارایی های نرم، تغییر در فروش نقدی، تغییر در بازده داراییها و انتشار اوراق بهادار به عنوان متغیرهای مستقل در نظر گرفته شده و برای آزمون فرضیه ها از رگرسیون غیرخطی و به منظور پیاده سازی الگوریتم خوشه بندی Medians-K و محاسبات مربوطه از نرم افزار محاسبات اماری R استفاده شده است.