1、機(jī)器學(xué)習(xí)

關(guān)于機(jī)器學(xué)習(xí)，我想大家都很熟悉，這里我再簡單嘮叨一些

機(jī)器學(xué)習(xí)是人工智能的一個(gè)子領(lǐng)域，主要關(guān)注如何通過算法使計(jì)算機(jī)系統(tǒng)能夠從數(shù)據(jù)中“學(xué)習(xí)”并進(jìn)行自我優(yōu)化。

這些算法利用輸入的數(shù)據(jù)，通過識別模式、關(guān)聯(lián)性或預(yù)測未來趨勢，來改進(jìn)系統(tǒng)性能或做出決策。

機(jī)器學(xué)習(xí)已被廣泛應(yīng)用于各種領(lǐng)域，如自動駕駛、醫(yī)療診斷、推薦系統(tǒng)等。

2、統(tǒng)計(jì)學(xué)

統(tǒng)計(jì)學(xué)是一門研究如何收集、分析、解釋和呈現(xiàn)數(shù)據(jù)的數(shù)學(xué)科學(xué)。

它關(guān)注于對隨機(jī)現(xiàn)象的理解和推斷，通過設(shè)計(jì)實(shí)驗(yàn)、建立概率模型和假設(shè)檢驗(yàn)來探索變量間的關(guān)系及其不確定性。

統(tǒng)計(jì)學(xué)家致力于開發(fā)出有效的估計(jì)量、測試統(tǒng)計(jì)量，并利用貝葉斯分析等手段來量化不確定性。

統(tǒng)計(jì)推斷是該領(lǐng)域的核心內(nèi)容之一，旨在理解總體參數(shù)（如均值、方差）并評估樣本結(jié)果是否能代表總體特征。

3、統(tǒng)計(jì)學(xué)與機(jī)器學(xué)習(xí)異同性

3.1 差異性

• 機(jī)器學(xué)習(xí)（這里特指有監(jiān)督學(xué)習(xí)）的目的是獲得一個(gè)可反復(fù)預(yù)測的模型。我們通常不關(guān)心模型是否可以解釋。機(jī)器學(xué)習(xí)只在乎結(jié)果。就好比對公司而言，你的價(jià)值只用你的表現(xiàn)來衡量。

• 而統(tǒng)計(jì)建模更多的是為了尋找變量之間的關(guān)系和確定關(guān)系的顯著性，恰巧迎合了預(yù)測。

接下來，我們就通過一個(gè)例子來感受一下，這兩者的實(shí)際差異：

我是一名環(huán)境科學(xué)家。工作的主要內(nèi)容是和傳感器數(shù)據(jù)打交道。如果我試圖證明傳感器能夠?qū)δ撤N刺激(如氣體濃度)做出反應(yīng), 那么我將使用統(tǒng)計(jì)模型來確定信號響應(yīng)是否具有統(tǒng)計(jì)顯著性。我會嘗試?yán)斫膺@種關(guān)系，并測試其可重復(fù)性，以便能夠準(zhǔn)確地描述傳感器的響應(yīng)，并根據(jù)這些數(shù)據(jù)做出推斷。我還可能測試，響應(yīng)是否是線性的？響應(yīng)是否歸因于氣體濃度而不是傳感器中的隨機(jī)噪聲？等等。

而同時(shí)，我也可以拿著從20個(gè)不同傳感器得到的數(shù)據(jù), 去嘗試預(yù)測一個(gè)可由他們表征的傳感器的響應(yīng)。

用一個(gè)包含20個(gè)不同變量的模型來表征傳感器的輸出顯然是一種預(yù)測，而且我也沒期待模型是可解釋的。

要知道，由于化學(xué)動力學(xué)產(chǎn)生的非線性以及物理變量與氣體濃度之間的關(guān)系等等因素，可能會使這個(gè)模型非常深奧，就像神經(jīng)網(wǎng)絡(luò)那樣難以解釋。盡管我希望這個(gè)模型能讓人看懂, 但其實(shí)只要它能做出準(zhǔn)確的預(yù)測，我就相當(dāng)高興了。

如果我試圖證明數(shù)據(jù)變量之間的關(guān)系在某種程度上具有統(tǒng)計(jì)顯著性，以便我可以在科學(xué)論文中發(fā)表，我將使用統(tǒng)計(jì)模型而不是機(jī)器學(xué)習(xí)。

這是因?yàn)槲腋P(guān)心變量之間的關(guān)系，而不是做出預(yù)測。做出預(yù)測可能仍然很重要，但是大多數(shù)機(jī)器學(xué)習(xí)算法缺乏可解釋性，這使得很難證明數(shù)據(jù)中存在的關(guān)系。

很明顯，這兩種方法在目標(biāo)上是不同的，盡管使用了相似的方法來達(dá)到目標(biāo)。
機(jī)器學(xué)習(xí)算法的評估使用測試集來驗(yàn)證其準(zhǔn)確性。
然而，對于統(tǒng)計(jì)模型，通過置信區(qū)間、顯著性檢驗(yàn)和其他檢驗(yàn)對回歸參數(shù)進(jìn)行分析，可以用來評估模型的合法性。

因?yàn)檫@些方法產(chǎn)生相同的結(jié)果，所以很容易理解為什么人們會假設(shè)它們是相同的。

3.2 相似性

機(jī)器學(xué)習(xí)基于統(tǒng)計(jì)的框架，因?yàn)闄C(jī)器學(xué)習(xí)涉及數(shù)據(jù)，而數(shù)據(jù)必須基于統(tǒng)計(jì)學(xué)框架來進(jìn)行描述，所以這點(diǎn)十分明顯。然而，擴(kuò)展至針對大量粒子的熱力學(xué)的統(tǒng)計(jì)機(jī)制，同樣也建立在統(tǒng)計(jì)學(xué)框架之下。

壓力的概念其實(shí)是數(shù)據(jù)，溫度也是一種數(shù)據(jù)。你可能覺得這聽起來不合理，但這是真的。這就是為什么你不能描述一個(gè)分子的溫度或壓力，這不合理。溫度是分子相撞產(chǎn)生的平均能量的顯示。而例如房屋或室外這種擁有大量分子的，我們能用溫度來描述也就合理了。

你會認(rèn)為熱力學(xué)和統(tǒng)計(jì)學(xué)是一個(gè)東西嗎？當(dāng)然不會，熱力學(xué)借助統(tǒng)計(jì)學(xué)來幫助我們理解運(yùn)動的相互作用以及轉(zhuǎn)移現(xiàn)象中產(chǎn)生的熱。

事實(shí)上，熱力學(xué)基于多種學(xué)科而非僅僅統(tǒng)計(jì)學(xué)。類似地，機(jī)器學(xué)習(xí)基于許多其他領(lǐng)域的內(nèi)容，比如數(shù)學(xué)和計(jì)算機(jī)科學(xué)。舉例來說：

• 機(jī)器學(xué)習(xí)的理論來源于數(shù)學(xué)和統(tǒng)計(jì)學(xué)

• 機(jī)器學(xué)習(xí)算法基于優(yōu)化理論、矩陣代數(shù)和微積分

• 機(jī)器學(xué)習(xí)的實(shí)現(xiàn)來源于計(jì)算機(jī)科學(xué)和工程學(xué)概念，比如核映射、特征散列等。

當(dāng)一個(gè)人開始用Python開始編程，突然從Sklearn程序庫里找出并使用這些算法，許多上述的概念都比較抽象，因此很難看出其中的區(qū)別。這樣的情況下，這種抽象定義也就致使了對機(jī)器學(xué)習(xí)真正包含的內(nèi)容一定程度上的無知。

4、總結(jié)

看到這里，關(guān)于機(jī)器學(xué)習(xí)與統(tǒng)計(jì)學(xué)的差異性就介紹完成了。

其實(shí)，這里更多的是偏理性的內(nèi)容多一些，接下來的博文，
小魚也會通過一些實(shí)例，來講解機(jī)器學(xué)習(xí)、數(shù)據(jù)科學(xué)等知識。
讓大家能通過言簡意賅的語言來掌握機(jī)器學(xué)習(xí)、數(shù)據(jù)科學(xué)等知識。

我是小魚：

• CSDN 博客專家；
• 阿里云 專家博主；
• 51CTO博客專家；
• 51認(rèn)證講師等；
• 認(rèn)證金牌面試官；
• 職場面試培訓(xùn)、職場規(guī)劃師；
• 多個(gè)國內(nèi)主流技術(shù)社區(qū)的認(rèn)證專家博主；
• 多款主流產(chǎn)品(阿里云等)測評一、二等獎(jiǎng)獲得者；

關(guān)注小魚，帶你學(xué)習(xí)更多更專業(yè)更前沿機(jī)器學(xué)習(xí)技術(shù)。