在社交媒体等数据密集型环境中，机器学习算法已经成为一种标准的学习方式，可以识别数据中的模式，发现知识，预测用户行为和品味的可能性。换句话说，机器学习在很大程度上是通过激增的数据来实现的，模型可以从中学习。在所谓的大数据时代，拥有最大的可用数据池来检测模式通常被视为竞争的必要条件。按照这样的说法，数据库越大，算法检测相关模式的条件就越好。
模型是理解机器学习的核心，因为“它们是从数据中学习的东西，以解决给定的任务”(Flach,2012: 20)。它的工作方式是首先挖掘(自动处理)一个数据池，以识别后续决策可以依赖的规律。然后，发现的关系的累积集产生模型，随后“可以用来自动化对感兴趣的实体或活动进行分类的过程，估计未观察到的变量的价值，或预测未来的结果”(Barocas & Selbst, 2016:7)正如Facebook应用机器学习总监华金Quiñonero坎德拉在谈到该公司的机器学习理念时所说:
1.获取尽可能多的数据，并确保它是最高质量的。将你的数据提炼成可最大程度预测的信号一一这个过程被称为特征工程。一旦你有了最出色的数据和特征工程工具，继续提高你的算法的能力。(坎德拉，2016)
那么，机器学习就是使用数据来制作具有某些特征的模型。特征工程或从数据中提取和选择最重要特征的过程，可以说是机器学习最重要的方面之一。虽然特征提取通常是手动执行的，但深度学习的最新进展现在将自动特征工程嵌入到建模过程本身中(Farias et al, 2016)。如果算法对绘制得很差的特征进行操作，那么无论算法有多优秀，结果都会很差。
在计算相关性这样一个抽象的概念时，特征工程将如何工作呢?一种选择可能是考虑特定用户点击的内容的频率和类型。然而，我们也可以想象这样一种情况，其中“最重要的”不是点击的频率，而是观看或阅读某些内容所花费的时间。这里的重点是，确定什么是“最重要”的问题取决于你想要优化的数据和结果。正如Gillespie所建议的那样，“一切都是为了服务于模型对数据及其所代表的东西的理解，以及服务于模型的目标和它是如何被形式化的”(2016a:20)。因此，对数据及其所代表的内容的理解，不仅是机器学习的问题，也是人类首先要指定他们感兴趣的状态和结果的问题在这种情况下。
The Multiplicity of Algorithms
25