Code/머신러닝(ML)
The Actual Difference Between Statistics and Machine Learning(feat. statistics study)
daje
2021. 12. 2. 14:06
728x90
반응형
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.
728x90
반응형