机器学习的模型文件是什么，通俗的解释是什么？怎么理解模型的概念呢，能举个例子吗？谢谢大佬们
通俗地说，模型就是机器学习采用的算法。“模型文件”一般说的是这个算法用到的各种输入、输出数据的值。
因为机器学习往往需要大量的运算，所以有必要将中间变量也存入文件中，以便可以多次地运算。
机器学习是一类算法的通称，具体到某个算法，那模型的差异就很大了，就算某一类算法（比如神经元网络），它的不同形态（CNN、RNN、DNN、LSTM）构成的模型也有很大的差异。
我目前的工作是做深度神经网络，基于google的TF框架，在tf中，使用了计算图来组织模型，而tf可以tf.train.Saver的save/store自动存储/加载模型文件。这大致是一个json格式的文件。
按照李航的《统计学习方法》上来说，一个机器学习的三要素为模型、策略、算法，模型就是我们简单的理解，策略主要是是损失函数和正则化项，算法是指优化策略的算法
如果你数学很好，可以这么理解。模型就是一个函数y = f(x)，x是数据的各个特征，y是类别标签，模型就是把特征映射到类别的一个函数。
当然，这只是一个简单的模型，如线性模型的函数为y = ax+b，这里面只有一个特征x，多个类别y。
大多数模型的原理都是这简单的模型建立起来的
http://tech.meituan.com/mt-mlinaction-how-to-ml.html
模型文件就是写好的算法下次可以不断地复用，如同jar包 python中的模块差不多
模型就是通过当前数据集得到一个复杂的多维函数，可以理解为 y = w1.x1+w2.x2+...+b 只是这个函数极为复杂，他的参数是要随之改变，而y就是我们的目标值，这个整体我们可以理解为一个策略或者一个函数，我们要做的就是优化w和b，使其每次y都跟真实的y无限接近。