什麼時候應該將線性回歸稱為“機器學習”？
在最近的一次座談會上，演講者的摘要聲稱他們正在使用機器學習。在演講中，唯一與機器學習相關的是他們對數據進行線性回歸。在計算了 5D 參數空間中的最佳擬合係數後，他們將一個系統中的這些係數與其他系統的最佳擬合係數進行了比較。
什麼時候是線性回歸機器學習，而不是簡單地找到一條最佳擬合線？（研究人員的摘要是否具有誤導性？）
隨著機器學習最近引起了人們的廣泛關注，做出這樣的區分似乎很重要。
我的問題與此類似，只是該問題要求定義“線性回歸”，而我的問題是何時可以適當地將線性回歸（具有廣泛的應用程序）稱為“機器學習”。
澄清
我不是在問線性回歸何時與機器學習相同。正如一些人所指出的，單一算法並不構成研究領域。我在問，當一個人使用的算法只是一個線性回歸時，什麼時候說一個人正在做機器學習是正確的。
除了所有的笑話（見評論），我問這個的原因之一是因為如果他們不是真的在做機器學習，說一個正在做機器學習的人在你的名字上加幾顆金星是不道德的。（許多科學家為他們的工作計算了某種類型的最佳擬合線，但這並不意味著他們正在做機器學習。）另一方面，在某些情況下，線性回歸顯然被用作機器學習的一部分。我正在尋找專家來幫助我對這些情況進行分類。;-)
用一個問題來回答你的問題：*機器學習到底是什麼？*Trevor Hastie、Robert Tibshirani 和 Jerome Friedman 在統計學習的要素中、Kevin P. Murphy 在機器學習中的概率視角、Christopher Bishop 在模式識別和機器學習中、Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 在深度學習中以及一些其他機器學習“聖經”提到線性回歸是機器學習“算法”之一。機器學習在一定程度上是應用統計學的流行語，統計學和機器學習之間的區別通常很模糊。