何謂機器學習模型？
模型是機器學習服務的核心元件，也是我們最後要嘗試建立的元件。 模型可能會從相片中預估某個人的年紀有多大、預測您可能想要在社交媒體上查看的內容，或者決定機器手臂應移至何處。 在我們的案例中，我們建立的模型要可以根據犬隻的胸背帶尺寸來預估最適合的腳套尺寸。
建立模型的方式有很多種。 例如，模擬飛機如何飛行的傳統模型是由人以物理和工程知識所打造而成。 機器學習模型十分特殊，其並非由人加以編輯來提升其效能，而是透過資料來達成此目的。 其是從經驗中學習。
如何理解模型
您可以將模型視為接受資料作為輸入並產生輸出的函式。 更具體地說，模型會使用輸入資料來評估其他項目。 例如，在我們的案例中，我們想要建立能根據胸背帶尺寸來預估腳套尺寸的模型：
胸背帶尺寸和犬隻腳套尺寸都是資料，而不是模型的一部分。 胸背帶尺寸是我們的輸入，犬隻腳套尺寸則是輸出。
模型通常是簡單的程式碼
模型基本上和您已經熟悉的簡單函式沒有什麼不同。 就像其他程式碼一樣，模型包含邏輯和參數。 例如，邏輯可能是「將胸背帶尺寸乘以 parameter_1」：
如果此處的 parameter_1 為 2.5，則我們的模型會將胸背帶尺寸乘以 2.5，並傳回結果：
選取模型
模型有許多類型，有些比較簡單，有些則較為複雜。
就像所有程式碼一樣，較簡單的模型通常最可靠也容易理解的，而複雜的模型則可能可以達成驚人的成效。 應該選擇哪一種模型，要視您的目標而定。 例如，醫學科學家通常會使用相對簡單的模型，因為這種模型不僅可靠，操作也很直覺。 相較之下，以 AI 為基礎的機器人通常要仰賴複雜的模型。
機器學習的第一個步驟，就是選取您想要使用的模型類型。 因此，我們會根據模型的內部邏輯來加以選擇。 例如，我們可以選擇有兩個參數的模型，來根據胸背帶尺寸預估犬隻腳套尺寸：
請注意，我們是根據模型的邏輯運作方式來選取，而不是根據其參數值。 事實上，在這個階段，參數尚未設定為任何特定的值。
在定型過程中尋找參數
人類設計人員並不會選取參數值。 相對的，參數值會依據初始猜測加以設定，然後在稱為定型的自動化學習程序期間加以調整。
由於我們選擇了雙參數模型，我們會從提供隨機猜測的參數開始:
這些隨機參數代表模型不適合用來預估腳套尺寸，所以我們要執行定型。 在定型期間，這些參數會自動變更為兩個新的值，以產出更好的結果：
關於這個程序實際的運作方式，我們會在您的學習旅程期間為您逐步說明。