在一个经典的 ML 框架内开发了一个非常强大的机器学习回归模型，并在所记录的测试数据基础上进行训练。机器学习框架内的工作包括准备和选择数据、建模和训练合适的 ML 算法及其评价。在这个开发步骤中会生成一个训练好的机器学习模型，它表示输入和目标数据之间的关系。布署训练好的 ML 模型接口与数据接口一样都是开放式的，支持行业标准的开放式神经网络交换格式。果使用基于 ML 的分类器，需要基于样本数据训练一个数学模型，从而无需显式编程就能做出正确的决策。数据采集：数据的数量和质量对采用机器学习方法的应用场景具有决定性的影响。
模型训练：通常需要先对采集到的数据进行预分析或预处理，以期找到这些原始数据与期望结果的关联性，或加强关联性。然后再选择一个合适的机器学习算法，并设置超参数训练模型。