Creo que estás hablando con propósitos ligeramente cruzados. Ambos tienen razón en cierto sentido (aunque tiene menos razón que él, tampoco necesita 5 ^ 9, realmente depende del problema).
Él / ella es correcto: técnicamente hablando para especificar un plano en un espacio de 9 dimensiones, necesita 18 puntos. Esto es defectuoso de dos maneras:
- Esto es cierto solo para la regresión lineal . Eso es solo un tipo de regresión. Podría tener relaciones mucho más ricas que solo la regresión lineal.
- Esto supone un ruido cero en los datos (es decir, r = 1 entre entrada y salida).
En los problemas del mundo real, hay ruido y la relación entre entradas y salidas es mucho más complicada que una simple regresión lineal.
- ¿Puede un generador de salida aleatorio ser 'Turing completo'?
- ¿Puede la notación musical (cualquiera que elija) considerarse Turing Complete?
- ¿Cuál es la diferencia entre grep y egrep, y cuándo debo elegir uno en lugar del otro?
- ¿Qué hace que la computadora funcione?
- ¿Cuál es el mínimo local y el mínimo global en aprendizaje automático? ¿Por qué son importantes en el aprendizaje automático?
Un ejemplo práctico del mundo real: teóricamente, todo lo que necesita para encontrarse con el GPS son 4 puntos (porque hay 4 incógnitas: x, y, z, t). Pero cualquier ubicación calculada a partir de 4 puntos es bastante mala. Idealmente, tiene al menos 9 puntos y luego aplica mínimos cuadrados.
Si yo fuera usted, no me enfocaría en estar en lo correcto o en lo incorrecto, sino en asegurarme de que ustedes estén hablando de lo mismo.