机器学习训练主要生成以下内容：

模型参数：

通过训练过程，机器学习模型会学习到数据的特征和规律，从而确定模型的参数。这些参数用于对新数据进行预测或分类。

预测结果：

训练好的模型可以用于对新的、未知的数据进行预测。例如，在图像识别任务中，模型可以识别出图像中的对象；在文本分类任务中，模型可以对文本进行分类。

生成内容：

在AIGC（人工智能生成内容）领域，机器学习模型通过学习大量数据，能够生成文本、图像、音频、视频等多种形式的内容。例如，GPT等语言模型可以生成连贯、逻辑性强的文本。

代码：

机器学习模型还可以用于生成代码，这些模型通常使用神经网络架构，并通过学习大量代码示例来训练，从而生成语法正确且有用的代码。

其他形式的数据：

除了上述内容外，机器学习还可以生成其他形式的数据，如生物电信号、图像等，具体应用取决于所选的模型和数据类型。

总结来说，机器学习训练生成的是能够处理和分析数据的模型，这些模型可以用于各种任务，包括预测、分类、内容生成等。通过训练，模型能够学习到数据的内在规律，从而在新数据上做出准确的预测或生成新的内容。