हाल ही में एक बोलचाल में, स्पीकर के सार ने दावा किया कि वे मशीन लर्निंग का उपयोग कर रहे थे। बातचीत के दौरान, मशीन लर्निंग से जुड़ी एकमात्र बात यह थी कि वे अपने डेटा पर रैखिक प्रतिगमन करते हैं। 5 डी पैरामीटर स्पेस में सर्वश्रेष्ठ-फिट गुणांक की गणना के बाद, उन्होंने एक सिस्टम में इन गुणांक की तुलना अन्य प्रणालियों के सर्वश्रेष्ठ-फिट गुणांक से की।
जब लीनियर रिग्रेशन मशीन लर्निंग होती है , तो बस एक बेहतरीन-फिट लाइन खोजने का विरोध किया जाता है? (क्या शोधकर्ता का सार भ्रामक था?)
सभी ध्यान मशीन सीखने के साथ हाल ही में शुरू किया गया है, इस तरह के भेद करना महत्वपूर्ण है।
मेरा प्रश्न इस तरह का है , सिवाय इसके कि प्रश्न "रैखिक प्रतिगमन" की परिभाषा के लिए पूछता है, जबकि मेरा पूछता है कि जब रेखीय प्रतिगमन (जिसमें आवेदनों की एक व्यापक संख्या है) उचित रूप से "मशीन लर्निंग" कहा जा सकता है।
स्पष्टीकरण
मैं यह नहीं पूछ रहा हूं कि लीनियर रिग्रेशन मशीन लर्निंग के समान ही है। जैसा कि कुछ ने बताया है, एक एकल एल्गोरिथ्म अध्ययन के क्षेत्र का गठन नहीं करता है। मैं यह पूछ रहा हूं कि यह कहना सही है कि एक एल्गोरिथम का उपयोग करते समय मशीन लर्निंग कर रही है, बस एक रैखिक प्रतिगमन है।
सभी चुटकुले एक तरफ (टिप्पणियों को देखें), मेरे द्वारा पूछे जाने वाले कारणों में से एक यह है क्योंकि यह कहना अनैतिक है कि कोई आपके नाम में कुछ सोने के सितारों को जोड़ने के लिए मशीन लर्निंग कर रहा है यदि वे वास्तव में मशीन लर्निंग नहीं कर रहे हैं । (कई वैज्ञानिकों को अपने काम के लिए सबसे फिट लाइन किसी प्रकार की गणना, लेकिन इसका मतलब यह नहीं है कि वे मशीन सीखने कर रहे हैं।) दूसरी ओर, वहाँ स्पष्ट रूप से स्थितियां हैं जब रेखीय प्रतीपगमन है मशीन सीखने के हिस्से के रूप में इस्तेमाल किया जा रहा है। मैं इन स्थितियों को वर्गीकृत करने में मेरी मदद करने के लिए विशेषज्ञों की तलाश कर रहा हूं। ;-)