Un modelo es una aproximación aprendida. Recibe datos de entrada, aplica una transformación matemática y produce un resultado. La transformación se moldea mediante el entrenamiento, y su calidad se evalúa según su capacidad de generalización a nuevos datos.

Existen diversos modelos. La regresión lineal ajusta una línea. Los árboles de decisión dividen los datos de forma recursiva. Las redes neuronales se componen de capas de funciones aprendidas. Cada uno tiene sus ventajas, desventajas y supuestos sobre los datos.

¿Qué define un modelo?

• Arquitectura y recuento de parámetros
• Procedimiento y objetivo de la formación
• Formato de entrada y salida
• Rendimiento en datos reservados
• Requisitos computacionales y de memoria

Ningún modelo es correcto en un sentido absoluto. Un modelo es útil o no para una tarea, un conjunto de datos y un contexto de implementación específicos. La misma arquitectura puede tener éxito en un problema y fracasar en otro.