模型是一种学习得到的近似值。它接收输入，应用数学变换，并产生输出。这种变换通过训练来塑造，其质量则取决于它对新数据的泛化能力。

模型种类繁多。线性回归拟合一条直线。决策树递归地分割数据。神经网络由多层学习函数组成。每种模型都有其优势、劣势以及对数据的假设。

模型的定义是什么？

• 架构和参数数量
• 培训流程和目标
• 输入输出格式
• 基于预留数据的表现
• 计算和内存需求

没有绝对正确的模型。模型的有效性取决于具体的任务、数据集和部署环境。同样的架构可能在一个问题上成功，但在另一个问题上却失败。