モデルとは、学習によって得られる近似値である。入力データを受け取り、数学的な変換を適用して出力データを生成する。この変換は学習によって形成され、その品質は新しいデータへの汎化性能によって評価される。

モデルには様々な形態がある。線形回帰は直線を当てはめる。決定木はデータを再帰的に分割する。ニューラルネットワークは学習された関数の層で構成されている。それぞれに長所、短所、そしてデータに関する前提条件がある。

モデルを定義するものは何か

• アーキテクチャとパラメータ数
• 研修の手順と目的
• 入力および出力フォーマット
• ホールドアウトデータにおけるパフォーマンス
• 計算能力とメモリ要件

絶対的に正しいモデルは存在しない。モデルは、特定のタスク、データセット、および展開環境において有用である場合もあれば、そうでない場合もある。同じアーキテクチャでも、ある問題では成功しても、別の問題では失敗する可能性がある。