对于来自人工智能领域的人来说，这可能是一种“亵渎”，但由于我来自一个编程并获得结果的世界，并且有在内存中存储东西的概念，因此我提出了这个问题：
机器学习通过迭代工作，迭代次数越多，算法就越好，但在这些迭代之后，结果会存储在某个地方吗？因为如果我是程序员，如果我重新运行程序，我必须将之前的结果存储在某个地方，否则它们会被覆盖？或者我需要使用数组来存储我的结果。
例如，如果我用一组猫的图片数据集来训练我的图像识别算法，我需要向我的算法中添加哪些变量，这样当我使用图像库时，每次发现猫都能成功，但我要使用什么呢？因为对于下一步没有任何保存的内容？
我看过的所有视频和教程，他们只画了一个图表作为决策的可视化展示，而没有应用某些东西以便在未来的程序中使用？
例如，在这个例子中，使用kNN来教如何检测手写数字，但明确的值在哪里使用呢？
注意：点击关闭请求或下vote的人至少要给出理由。
回答：
迭代次数越多，算法就越好，但在这些迭代之后，结果会存储在某个地方
你在这里提到的实际上是优化部分。
然而，要优化一个模型，我们首先必须表示它。
例如，如果我正在创建一个非常简单的线性模型来预测房价，使用其平方米的表面积，我可能会选择这个模型：
price = a * surface + b这就是表示。
现在你已经表示了模型，你想要优化它，即找到参数a和b来最小化预测误差。
结果会存储在某个地方吗？
在上述情况下，我们说我们已经学习了参数或权重a和b。
你要保留的是通过优化（也称为训练）得出的权重，当然还有模型本身。
