Machine learning 为什么回归被认为是机器学习的一部分？

如果我们所说的机器学习（ML）是指任何从数据中学习的程序，那么，是的，回归可以说是ML的一部分。但是机器学习还有其他几个方面，例如：解决方案是基于一些性能度量反复改进的。而对于线性回归，有一个直接公式形式的闭式解，使用它可以确定所有参数，并且不涉及迭代。但是，还有另一种回归参数估计方法，它使用梯度下降法，并且需要多次迭代。这是否意味着这种回归参数估计的迭代版本是为了将回归置于机器学习的保护伞下而强制执行的？或者迭代版本有一些直接公式无法提供的优点

我不会评论回归是否是ML的一部分（我真的不知道你的定义来自哪里）。但关于迭代方法的优点，请注意线性回归的封闭形式解决方案如下：

其中X是您的设计矩阵。

---

请注意，矩阵求逆是一个O（n^3）运算，这对于大n是不可行的。这是使用GD的迭代方法的明显优势。

我不会评论回归是否是ML的一部分（我真的不知道您的定义来自哪里）。但关于迭代方法的优点，请注意线性回归的封闭形式解决方案如下：

其中X是您的设计矩阵。

---

请注意，矩阵求逆是一个O（n^3）运算，这对于大n是不可行的。这是使用GD的迭代方法的明显优势。

您在哪里找到了ML的定义？在维基百科上，它没有提到迭代方法的要求。今天，机器学习这个术语被过度使用，许多适合描述ML的算法、术语和定义都只是统计学的概念，所以ML只是“统计方法”的一个大营销术语。你从哪里找到了ML的定义？在维基百科上，它没有提到迭代方法的要求。今天，机器学习这个术语被过度使用，许多适合描述ML的算法、术语和定义都只是统计学的概念，因此ML只是“统计方法”的一个大营销术语