W ostatnim kolokwium streszczenie mówcy twierdziło, że korzysta z uczenia maszynowego. Podczas rozmowy jedyną rzeczą związaną z uczeniem maszynowym było to, że wykonują regresję liniową na swoich danych. Po obliczeniu współczynników najlepszego dopasowania w przestrzeni parametrów 5D, porównali te współczynniki w jednym systemie z współczynnikami najlepszego dopasowania w innych systemach.
Kiedy uczenie maszynowe z regresją liniową , a nie po prostu znalezienie linii najlepiej dopasowanej? (Czy abstrakcja badacza wprowadzała w błąd?)
Biorąc pod uwagę, że ostatnio skupia się na uczeniu maszynowym, takie rozróżnienie wydaje się ważne.
Moje pytanie jest podobne do tego , z tym wyjątkiem, że pytanie to dotyczy definicji „regresji liniowej”, podczas gdy moje pyta, kiedy regresję liniową (która ma wiele zastosowań) można odpowiednio nazwać „uczeniem maszynowym”.
Wyjaśnienia
Nie pytam, kiedy regresja liniowa jest taka sama jak uczenie maszynowe. Jak niektórzy zauważyli, pojedynczy algorytm nie stanowi dziedziny badań. Pytam, kiedy słusznie jest powiedzieć, że uczymy się maszynowo, gdy stosowany algorytm jest po prostu regresją liniową.
Wszystkie żarty na bok (patrz komentarze), jednym z powodów, dla których o to pytam, jest to, że nieetyczne jest twierdzenie, że ktoś uczy się maszynowo, aby dodać kilka złotych gwiazd do swojego imienia, jeśli tak naprawdę nie uczy się maszynowego. (Wielu naukowców obliczyć jakiś rodzaj najlepiej dopasowanej linii dla ich pracy, ale to nie znaczy, że robią uczenia maszynowego.) Z drugiej strony, istnieją sytuacje, kiedy wyraźnie regresji liniowej jest używany jako część uczenia maszynowego. Szukam ekspertów, którzy pomogą mi sklasyfikować te sytuacje. ;-)