The Actual Difference Between Statistics and Machine Learning(feat. statistics study)

 

 

 

 

안녕하십니까 다제입니다. 

 

오늘은 전통 통계와 머신러닝의 차이점이 무엇인지에 대해서 생각해보았습니다. 

 

해당 포스팅은 towards blog post, cognitive class youtube 영상을 참고하여 작성되었습니다. 

 

 

---

 

 

◆ 결론

  -. 통계와 기계학습의 가장 큰 차이점은 설명 가능성입니다. 

  * 여기에서 말하는 설명 가능성이란, 수학적으로 증명이 가능하는 설명 가능성을 의미합니다. 

  -. 통계는 수학적으로 설명이 가능하나 기계학습은 아직 수학적으로 모든 것이 설명 가능하지 않습니다.

 

◆ 개요 

  -. 머신러닝 학습 중 통계를 배제하고 이야기할 수 없었습니다. 

  -. 이에, 각각의 차이점에 대해서 알아보는 시간을 갖고자 합니다. 

 

◆ 정의 

  -. 기계학습 : 표준 프로그래밍 방식에 의존하지 않고 데이터에서 학습할 수 있는 알고리즘

  -. 통계 : 결과를 예측하기 위해 변수 간의 관계를 찾는 것을 다루는 수학의 하위 필드 

 

◆ 특징 

구분	Statistics	Machine Learning
Approach	Data Generating Process	Algoithmic Model
공통점(Focus)	예측 (Hypothesis Testing, Interpretability)	예측 (Predictive Accuracy)
차이점(Interpretability)	해석 가능성 High↑	해석 가능성 Low↓
Driver	Math, Theory	Fitting Data
Data size	Any Reasonable Set	Big data
Dimensions	Used Mostly for Low Dimensions	High Dimensions
Inference	Parameter Estimation, predictions, Estimating Error Bars	Prediction
Model Choice	Parameter Significance,  Insample Goodness of Fit	Cross-validation

 

 

---

 

 

이와 같이 통계와 기계학습에 대해서 알아보았습니다. 

 

앞으로 인공지능을 학습하실 때 조금이나마 도움이 되었으면 좋겠습니다. 

 

감사합니다.