#119 Jajajaja pero tio, que te estas contradiciendo a ti mismo de verdad, no te has leído ni el artículo de la Wikipedia de Machine Learning y vienes como si supieras del tema (como ya has hecho otras veces y faileado).
Te dejo aquí un par de extractos:
Learning machine:
"Sin embargo, el aprendizaje automático se centra más en el estudio de la complejidad computacional de los problemas. Muchos problemas son de clase NP-hard, por lo que gran parte de la investigación realizada en aprendizaje automático está enfocada al diseño de soluciones factibles a esos problemas."
https://es.m.wikipedia.org/wiki/Aprendizaje_autom%C3%A1tico
NP-Complejo:
"En teoría de la complejidad computacional, la clase de complejidad NP-hard (o NP-complejo, o NP-difícil) es el conjunto de los problemas de decisión que contiene los problemas H tales que todo problema L en NP puede ser transformado polinomialmente en H. Esta clase puede ser descrita como aquella que contiene a los problemas de decisión que son como mínimo tan difíciles como un problema de NP. Esta afirmación se justifica porque si podemos encontrar un algoritmo A que resuelve uno de los problemas H de NP-hard en tiempo polinómico, entonces es posible construir un algoritmo que trabaje en tiempo polinómico para cualquier problema de NP ejecutando primero la reducción de este problema en H y luego ejecutando el algoritmo A."
https://es.m.wikipedia.org/wiki/NP-hard
Veo que de este tema no sabías ni flowers ya que me has confirmado en el post anterior que piensas que se usan siempre los datos, cuando lo que se hace es generar un algoritmo a partir de ellos. Si tuvieras más conocimientos de bbdd también te habría servido para ver la burrada que estabas diciendo, asi que lo que te comente en el otro post, a seguir estudiando 
