机器学习模型本质上是现实世界流程的数学表示。 要创建机器学习模型，您需要为机器学习算法提供可供学习的训练数据。
该平台使用许多机器学习模型（有监督和无监督）来解释、理解数据并将标签应用于数据。 我们经常在平台和文档中使用“模型”一词来统指这些在后台工作的模型。
每个数据集都有一个关联的“模型”，当用户在平台内查看消息时，会对该模型进行训练。 模型在训练过程中会不断学习和改进，从而能够对标签和常规字段做出更好的预测。
可以保存模型并进行版本控制。 这意味着，当用户设置自动化流时，他们可以选择模型的特定版本，并且可以确信该版本对于相关标签的性能。 这为用户在下游应用程序中创建自动化或使用数据进行分析时提供了确定性。 有关更多信息，请查看模型部分。
