Модель — это обученная аппроксимация. Она принимает входные данные, применяет математическое преобразование и выдает выходные данные. Преобразование формируется в процессе обучения, а его качество оценивается по тому, насколько хорошо оно обобщается на новые данные.

Модели бывают разных форм. Линейная регрессия аппроксимирует линию. Деревья решений рекурсивно разделяют данные. Нейронные сети состоят из слоев обученных функций. Каждая из них имеет свои сильные и слабые стороны, а также предположения относительно данных.

Что определяет модель?

• Архитектура и количество параметров
• Процедура и цель обучения
• Формат ввода и вывода
• Результаты на отложенных данных
• Вычислительные и оперативные требования

Ни одна модель не является абсолютно корректной. Модель может быть полезна или нет для конкретной задачи, набора данных и контекста развертывания. Одна и та же архитектура может успешно решать одну задачу и потерпеть неудачу в другой.