В некоторых ситуациях это может рассматриваться как неконтролируемое машинное обучение.
Возьмите случай авторегрессионной модели, для которой вход является значением в момент времени t-1, а прогнозируемое значение является значением в момент времени t.Здесь у вас есть проблема обучения без присмотра, потому что входные данные совпадают с выходными данными, как если бы у вас был X без Y, такой, что Y является следующим значением X.
Однако этот способ мышлениясильно растянулся, и я бы с осторожностью использовал слово «обучение без учителя» для простой линейной регрессии.
Дело в том, что некоторые неконтролируемые проблемы в обучении могут быть изучены через контролируемое мышление.Таким образом, линейная регрессия всегда будет алгоритмом обучения под наблюдением, но его можно использовать для достижения обучения без учителя.