模型是學習得到的近似值。它接收輸入，應用數學變換，並產生輸出。這種變換透過訓練來塑造，其品質則取決於它對新資料的泛化能力。

模型種類繁多。線性迴歸擬合一條直線。決策樹遞歸地分割資料。神經網路由多層學習函數組成。每種模型都有其優點、缺點以及對數據的假設。

模型的定義是什麼？

• 架構和參數數量
• 培訓流程和目標
• 輸入輸出格式
• 基於預留數據的表現
• 計算和記憶體需求

沒有絕對正確的模型。模型的有效性取決於具體的任務、資料集和部署環境。同樣的架構可能在一個問題上成功，但在另一個問題上卻失敗。