1樓：銘刻
統計學和機器學習面對的本來就是不同的科學問題。機器學習，著重於探索資料所展現的關係和結構；統計學沒明，著重於評估小樣本資料中所體現的關係和結構在總體中推廣。機器學習，給定資料(包括標籤在內)，探索資料內部結構。
指枯喚告標一般是在資料集上的迴歸誤差或分類精度(帶有交叉驗證的)。統計學，給定樣本(一般樣本量都不大)，探索樣本資料的內在結構(這一點和機器學習一樣)，並研究樣本資料的內在結構多大程度上能反應總體的結構。指標一般是帶鏈逗有檢驗的迴歸誤差或分類精度。
2樓：網友
傳統上做統計的人面臨的資料都是來自於自然科學裡的資料，比如fisher面臨的農業資料，或者生物上的資料，或者物理上的資料。這些資料都有乙個特點就是可以很好的符合傳統的統計戚散分佈，如正態分佈 泊松分佈等。面臨這個實際情況，高彎氏做統計的人有乙個根深蒂固的思維，就是統計是鬧蠢概率的反問題。
認為統計的目標是找出生成統計資料背後的真實概率。這是傳統上做統計的人的最核心思想，所以不管點估計也好，假設檢驗也好，大樣本方法也好。所有的方法背後所隱含的思想就是資料一定是由某些概率分佈生成的。
模式識別與機器學習主要關於什麼的？與統計什麼關係
3樓：網友
1 模式識別是指對錶徵事物或現象的各種形式的資訊進行處理和分析，以對事物或現象進行描述、辨認、分類和解釋的過程。它是資訊科學和人工智慧的重要組成部分，主要應用領域是影象分析與處理、語音識別、聲音分類、通訊、計算機輔助診斷、資料探勘等學科。
2 機器學習(machine learning, ml)研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的效能。它是人工智慧的核心，是使計算機具有智慧型的根本途徑，它主要使用歸納、綜合而不是演繹。
最主要的應用領域有：專家系統、認知模擬、規劃和問題求解、資料探勘、網路資訊服務、圖象識別、故障診斷、自然語言理解、機械人和博弈等領域。
3 資料探勘可以用到機器學習演算法以及傳統統計的方法，最終的目的是要從資料中挖掘到為我所用的知識，從而指導人們的活動。所以我認為資料探勘的重點在於應用，用何種演算法並不是很重要，關鍵是能夠滿足實際應用背景。而機器學習則偏重於演算法本身的設計。
4樓：網友
模式識別和機器學習的關係是什麼呢，傳統的模式識別的方法一般分為兩種：統計方法和句法方法。句法分析一般是不可學習的，而統計分析則是發展了不少機器學習的方法。
也就是說，機器學習同樣是給模式識別提供了資料分析技術。
統計學和機器學習之間的區別
5樓：匿名使用者
統計建模或者機器建模的目的都是從資料中挖掘到感興趣的資訊，但是統計學和機器學習的出發點不同，統計學家關注模型的可解釋性，而機器學習專家關注模型的**能力。
在一些傳統領域，工程實驗，生物試驗，社會調查，物理實驗，統計學應用比較早成熟。在搜尋引擎，**使用者購買資訊，人臉特徵識別等領域，機器學習的理論可以創造一些更高的維度和深度。統計學是發現模型驅動，機器學習是搜尋演算法驅動，統計學注重概率統計的理論推導；機器學習注重的是應用價值和演算法研究。
機器學習專家與統計學家觀點上有哪些不同？
6樓：阿舞子
也就是說，你個人做的可能是機器學習在實際中的使用，但是還有很多研究機器學習的數學家理論家，他們的研究物件是，兩個具有特殊構造的集合間，該如何去找乙個對映，該如何有效的去找這個對映，對於他們來說，不在乎這兩個集合有多少點，他們更喜歡探索點和點之間的結構。給定百萬個點，他們能玩得風生水起，給定四個點，他們也能玩出花樣來。有人可能會說，我上面說的那就是數學家，跑題了。
其實不一樣，數學家面對的集合往往是純清虧無限的，比如自然數集，實數集，所有連續函式構成的集合等等，以及這些集合間的一般對映。而機器學習面對的是，不那麼規則的，有做神限數量的集合，而且集合間的對映往往是特定的。所以，做統計的不應該看不起做機器學習的，探索資料內部做展現的數學結構有錯？
要知道這些數學結構的美，不亞於音符跳躍所展現的美，不亞於顏色變化所展現的美。正數比如大家目前絞盡腦汁在做的人臉識別，就是在探索人臉在畫素空間所展現的結構到底有何特殊之處。<>
7樓：網友
構建簡單的模型，比如線性模型，更容易解釋因變數對自變數的影響。 適合於那種目的是解釋乙個變數對另外乙個變數的影響的問題。也是經典統計中最常用到的模型。
變化再多一些，非線性模型，非參模型，更靈活，選擇更多，所以可能達到更好的**效果。但是往往比較難解釋x對y的影響。（這些模型都**於統計，推廣於機器學習。
這些模型都是幾十年前統計的研究成果了好麼！！因為最近計算機速度提上來了，原來沒名氣友梁，是因為計算速度帶不動，資料沒收集辣麼多啊！！）因為機器學習領域的資料大，運算能力強，所以能把在一些傳統領域，工程實驗，生物試驗，社會調查，物理實驗，我們能獲得的資料量非常小，我們必須小心翼翼的對待我們的模型，從有限的資料中提取儘量可能多的逗或資訊。
抑或是一些對引數很敏感的**，差好指運之毫釐失之千里，比如檢驗乙個愛滋病新藥物是否有效，來決定要不要投入funding去進行研發，我們就要用嚴謹的概率統計模型。但是在搜尋引擎，**使用者購買資訊，人臉特徵識別等領域，我們能夠獲得很大量的資料，而且資料維度也非常高，用傳統方式建模，很有可能維度高到嚴謹的function根本解不出來，機器學習的理論就非常有效了。<>
機器學習，資料探勘，人工智慧，統計模型，這麼多概念有何差異
8樓：路確實腳下
機器學習(machine learning, ml)是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、演算法複雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的效能。
資料探勘（英語：data mining），又譯為資料探勘、資料採礦。它是資料庫知識發現（英語：
knowledge-discovery in databases，簡稱：kdd)中的乙個步驟。資料探勘一般是指從大量的資料中通過演算法搜尋隱藏於其中資訊的過程。
資料探勘通常與電腦科學有關，並通過統計、**分析處理、情報檢索、機器學習、專家系統（依靠過去的經驗法則）和模式識別等諸多方法來實現上述目標。
人工智慧（artificial intelligence），英文縮寫為ai。它是研究、開發用於模擬乎銀、延伸和擴充套件人的智慧型的理論、方法、技術及應用系統的一門新的技術科學。 人工智慧是電腦科學的乙個分支，它企圖瞭解智慧型的實質，並生產出一種新的能以人類智慧型相似的方式做出謹陸反應的智慧型機器，該領域的研究包括機械人、語言識別、影象識別、自然語言處理和專家系統等。
統計模型（statistical model）有些過程無法用理論分析方法匯出祥頃頃其模型，但可通過試驗或直接由工業過程測定資料，經過數理統計法求得各變數之間的函式關係，稱為統計模型。常用的數理統計分析有有最大事後概率估演算法，最大似然率辨識法最大事後概率估演算法，最大似然率辨識法等。
學統計學有什麼作用的呢學習統計學有什麼作用？
首先，你現在學的是什麼專業？如果你現在的專業是數學，而以你的說法可以修雙學位，那就沒必要轉專業，再修個經濟類的學位即可。其次，數學的優勢，不但是在考研的時候，就是你以後讀了研究生或者博士，對你的幫助都很大。我身邊很多經濟學 金融學的博士，都是因為當初數學底子沒打好，現在很吃力。另外，本科的經濟類專業...
什麼是統計學？怎樣理解統計學與統計資料的關係
通俗點講,統計學就是利用統計資料,對其進行描述,分析,總結,或利用統計資料對未來進行 推斷.得出新的統計資料,他們分別是描述統計學和推斷統計學,統計資料就是統計學裡的乙個概念.統計學是通過搜尋 整理 分析資料等手段，以達到推斷所測物件的本質，甚至 物件未來的一門綜合性科學。通俗點講,統計學就是利用統...
碩士畢業統計學與應用統計學的就業方向有什麼不同
統計學與應用統計學有什麼區別統計學一般來說分為數理統計和經濟統計，作為財經類學校，主要發展方向是經濟統計，而這裡的統計學和應用統計學又是將經濟統計具體化，統計學偏向於學術研究，適合考研。而應用統計則偏向於實際操作，比如數學建模，軟體操作，更適合求職！應用統計學應該是偏向計算機軟體的學習,包括如何使用...