你可以把机器想象成一个小孩子，你带小孩去公园。公园里有很多人在遛狗。
简单起见，咱们先考虑二元分类问题。你告诉小孩这个动物是狗，那个也是狗。但突然一只猫跑过来，你告诉他，这个不是狗。久而久之，小孩就会产生认知模式。这个学习过程，
就叫“训练”。所形成的认知模式，就是”模型“。
训练之后。这时，再跑过来一个动物时，你问小孩，这个是狗吧?他会回答，是/否。这个就叫，预测。
一个模型中，有很多参数。有些参数，可以通过训练获得，比如logistic模型中的权重。但有些参数，通过训练无法获得，被称为”超参数“，比如学习率等。这需要靠经验，过着grid search的方法去寻找。
上面这个例子，是有人告诉小孩，样本的正确分类，这叫有督管学习。
还有无督管学习，比如小孩自发性对动物的相似性进行辨识和分类。