Un model este o aproximare învățată. Preia date de intrare, aplică o transformare matematică și produce rezultate. Transformarea este modelată prin antrenament, iar calitatea sa este evaluată în funcție de cât de bine se generalizează la date noi.

Modelele pot fi de mai multe forme. Regresia liniară se potrivește cu o linie. Arborii de decizie împart datele recursiv. Rețelele neuronale compun straturi de funcții învățate. Fiecare are puncte forte, puncte slabe și presupuneri despre date.

Ceea ce definește un model

• Arhitectură și număr de parametri
• Procedura și obiectivul instruirii
• Format de intrare și ieșire
• Performanță pe datele reținute
• Cerințe de calcul și memorie

Niciun model nu este corect în sens absolut. Un model este util sau nu pentru o anumită sarcină, set de date și context de implementare. Aceeași arhitectură poate avea succes la o problemă și poate eșua la alta.