从图 6-5 中可以看出，不论机器学习的训练过程要经过哪些步骤，每个步骤的作用是什么，对训练结果而言，最终目的都是获得一个高度拟合真实世界的判别模型。这里首先要弄清楚训练的产物，即所谓的“判别模型”究竟是什么。
从形式上说，判别模型可以简单地理解为一个可被计算的、有明确输入和输出结果的方法或函数，这个函数可能有科学含义，也可能没有任何含义，可能用于决策，也可能用于预测。通过机器学习训练得出的模型，有可能是可解释的，人类可以从模型中得知一些之前并不知道，被计算机从数据中挖掘出来的新规律、新知识。这种模型不仅对计算机有意义，也扩展了人类知识的范围。当然，根据我们前面的讨论，学习、训练得到的模型更可能是一个人类无法解释的黑盒，这样的模型并不包含什么严谨的逻辑规律，只是单纯对真实世界的模拟，计算机只要照着这个模型去执行，就能够把输入给模型的自然界的信息，通过映射得出该信息所隐含的某些特征，这些特征决定了输入数据属于哪个分类，或者对应哪个指标。举个例子，如果把模型看作一个决策函数“f（x）”，它应该可以完成如图 6-6 所示的映射。
第 6 章 机器学习概览
185