Ein Modell ist eine gelernte Annäherung. Es nimmt Eingabedaten entgegen, wendet eine mathematische Transformation an und erzeugt Ausgabedaten. Die Transformation wird durch Training geformt, und ihre Qualität wird daran gemessen, wie gut sie auf neue Daten generalisiert.

Modelle gibt es in vielen Formen. Lineare Regression berechnet eine Gerade. Entscheidungsbäume teilen Daten rekursiv auf. Neuronale Netze bestehen aus Schichten gelernter Funktionen. Jedes Modell hat Stärken, Schwächen und basiert auf Annahmen über die Daten.

Was definiert ein Modell?

• Architektur und Parameteranzahl
• Schulungsablauf und -ziel
• Eingabe- und Ausgabeformat
• Leistung bei zurückgehaltenen Daten
• Rechen- und Speicherbedarf

Kein Modell ist absolut richtig. Ein Modell ist für eine bestimmte Aufgabe, einen bestimmten Datensatz und einen bestimmten Einsatzkontext nützlich oder unbrauchbar. Dieselbe Architektur kann bei einem Problem erfolgreich sein und bei einem anderen versagen.