Sự khác biệt giữa mô hình thống kê và thuật toán học máy là gì?


Câu trả lời 1:

Đó là một câu hỏi rất rộng, cũng có thể được trả lời rộng rãi.

Mặc dù học máy được xây dựng trên các khái niệm toán học và thống kê, hầu hết các mô hình học máy chỉ liên quan đến dự đoán, nói cách khác, có một cuộc săn tìm thuật toán tốt nhất có thể dự đoán kết quả trong tương lai với một bộ biến. Mặt khác, hầu hết các mô hình thống kê đều có một loạt các giả định liên quan đến quá trình tạo dữ liệu và mô hình nói chung có một số thuộc tính dễ hiểu. Tuy nhiên, đây không phải là màu đen hay màu trắng, có toàn bộ phổ màu giữa mô hình tuyến tính vanilla và học sâu, với các mô hình như LASSO và hồi quy Ridge được cho là học thống kê.

Để đọc thêm, một bài viết thú vị trên Machine Learning and Statistics là:

Sự khác biệt thực tế giữa Thống kê và Học máy


Câu trả lời 2:

Nói chung, các thuật toán thống kê được thiết kế để giúp bạn hiểu dữ liệu của mình và khám phá mối quan hệ giữa các điểm dữ liệu khác nhau. Mặt khác, máy học được thiết kế như một sự cải tiến so với các mô hình thống kê cổ điển nhằm cung cấp độ chính xác tốt hơn.

Vì vậy, bạn có thể xem học máy là tập trung hơn vào dự báo trong khi với dự báo thống kê được sử dụng như một cách để xác nhận mô hình. Mục đích thực sự của thống kê là giúp bạn hiểu dữ liệu của mình. Mục đích thực sự của ML là giúp bạn xây dựng các công cụ dự báo đáng tin cậy hơn.


Câu trả lời 3:

Nói chung, các thuật toán thống kê được thiết kế để giúp bạn hiểu dữ liệu của mình và khám phá mối quan hệ giữa các điểm dữ liệu khác nhau. Mặt khác, máy học được thiết kế như một sự cải tiến so với các mô hình thống kê cổ điển nhằm cung cấp độ chính xác tốt hơn.

Vì vậy, bạn có thể xem học máy là tập trung hơn vào dự báo trong khi với dự báo thống kê được sử dụng như một cách để xác nhận mô hình. Mục đích thực sự của thống kê là giúp bạn hiểu dữ liệu của mình. Mục đích thực sự của ML là giúp bạn xây dựng các công cụ dự báo đáng tin cậy hơn.