精品国产亚洲一区二区三区|亚洲国产精彩中文乱码AV|久久久久亚洲AV综合波多野结衣|漂亮少妇各种调教玩弄在线

<blockquote id="ixlwe"><option id="ixlwe"></option></blockquote>
  • <span id="ixlwe"></span>

  • <abbr id="ixlwe"></abbr>

    機(jī)器學(xué)習(xí)和統(tǒng)計(jì)模型的差異

    在各種各樣的數(shù)據(jù)科學(xué)論壇上這樣一個(gè)問(wèn)題經(jīng)常被問(wèn)到——機(jī)器學(xué)習(xí)和統(tǒng)計(jì)模型的差別是什么?

    這確實(shí)是一個(gè)難以回答的問(wèn)題??紤]到機(jī)器學(xué)習(xí)和統(tǒng)計(jì)模型解決問(wèn)題的相似性,兩者的區(qū)別似乎僅僅在于數(shù)據(jù)量和模型建立者的不同。這里有一張覆蓋機(jī)器學(xué)習(xí)和統(tǒng)計(jì)模型的數(shù)據(jù)科學(xué)維恩圖。

    在這篇文章中,我將盡最大的努力來(lái)展示機(jī)器學(xué)習(xí)和統(tǒng)計(jì)模型的區(qū)別,同時(shí)也歡迎業(yè)界有經(jīng)驗(yàn)的朋友對(duì)本文進(jìn)行補(bǔ)充。

    在我開(kāi)始之前,讓我們先明確使用這些工具背后的目標(biāo)。無(wú)論采用哪種工具去分析問(wèn)題,最終的目標(biāo)都是從數(shù)據(jù)獲得知識(shí)。兩種方法都旨在通過(guò)分析數(shù)據(jù)的產(chǎn)生機(jī)制挖掘 背后隱藏的信息。

    兩種方法的分析目標(biāo)是相同的。現(xiàn)在讓我們?cè)敿?xì)的探究一下其定義及差異。

    定義

    機(jī)器學(xué)習(xí):一種不依賴于規(guī)則設(shè)計(jì)的數(shù)據(jù)學(xué)習(xí)算法。

    統(tǒng)計(jì)模型:以數(shù)學(xué)方程形式表現(xiàn)變量之間關(guān)系的程式化表達(dá)

    對(duì)于喜歡從實(shí)際應(yīng)用中了解概念的人,上述表達(dá)也許并不明確。讓我們看一個(gè)商務(wù)的案例。

    商業(yè)案例

    讓我們用麥肯錫發(fā)布的一個(gè)有趣案例來(lái)區(qū)分兩個(gè)算法。

    案例:分析理解電信公司一段時(shí)間內(nèi)客戶的流失水平。

    可獲得數(shù)據(jù):兩個(gè)驅(qū)動(dòng)-A&B

    麥肯錫接下來(lái)的展示足夠讓人興奮。盯住下圖來(lái)理解一下統(tǒng)計(jì)模型和機(jī)器學(xué)習(xí)算法的差別。

    從上圖中你觀察到了什么?統(tǒng)計(jì)模型在分類問(wèn)題中得到一個(gè)簡(jiǎn)單的分類線。 一條非線性的邊界線區(qū)分了高風(fēng)險(xiǎn)人群和低風(fēng)險(xiǎn)人群。 但當(dāng)我們看到通過(guò)機(jī)器學(xué)習(xí)產(chǎn)生的顏色時(shí), 我們發(fā)現(xiàn)統(tǒng)計(jì)模型似乎沒(méi)有辦法和機(jī)器學(xué)習(xí)算法進(jìn)行比較。 機(jī)器學(xué)習(xí)的方法獲得了任何邊界都無(wú)法詳細(xì)表征的信息。這就是機(jī)器學(xué)習(xí)可以為你做的。

    機(jī)器學(xué)習(xí)還被應(yīng)用在YouTube 和Google的引擎推薦上, 機(jī)器學(xué)習(xí)通過(guò)瞬間分析大量的觀測(cè)樣本給出近乎完美的推薦建議。 即使只采用一個(gè)16 G 內(nèi)存的筆記本,我每天處理數(shù)十萬(wàn)行的數(shù)千個(gè)參數(shù)的模型也不會(huì)超過(guò)30分鐘。 然而一個(gè)統(tǒng)計(jì)模型需要在一臺(tái)超級(jí)計(jì)算機(jī)跑一百萬(wàn)年來(lái)來(lái)觀察數(shù)千個(gè)參數(shù)。

    機(jī)器學(xué)習(xí)和統(tǒng)計(jì)模型的差異:

    在給出了兩種模型在輸出上的差異后,讓我們更深入的了解兩種范式的差異,雖然它們所做的工作類似。

    所屬的學(xué)派
    產(chǎn)生時(shí)間
    基于的假設(shè)
    處理數(shù)據(jù)的類型
    操作和對(duì)象的術(shù)語(yǔ)
    使用的技術(shù)
    預(yù)測(cè)效果和人力投入

    以上提到的方面都能從每種程度上區(qū)分機(jī)器學(xué)習(xí)和統(tǒng)計(jì)模型,但并不能給出機(jī)器學(xué)習(xí)和統(tǒng)計(jì)模型的明確界限。

    分屬不同的學(xué)派

    機(jī)器學(xué)習(xí):計(jì)算機(jī)科學(xué)和人工智能的一個(gè)分支,通過(guò)數(shù)據(jù)學(xué)習(xí)構(gòu)建分析系統(tǒng),不依賴明確的構(gòu)建規(guī)則。 統(tǒng)計(jì)模型:數(shù)學(xué)的分支用以發(fā)現(xiàn)變量之間相關(guān)關(guān)系從而預(yù)測(cè)輸出。

    誕生年代不同

    統(tǒng)計(jì)模型的歷史已經(jīng)有幾個(gè)世紀(jì)之久。但是機(jī)器學(xué)習(xí)卻是最近才發(fā)展起來(lái)的。二十世紀(jì)90年代,穩(wěn)定的數(shù)字化和廉價(jià)的計(jì)算使得數(shù)據(jù)科學(xué)家停止建立完整的模型而使用計(jì)算機(jī)進(jìn)行模型建立。這催生了機(jī)器學(xué)習(xí)的發(fā)展。隨著數(shù)據(jù)規(guī)模和復(fù)雜程度的不斷提升,機(jī)器學(xué)習(xí)不斷展現(xiàn)出巨大的發(fā)展?jié)摿Α?/p>

    假設(shè)程度差異

    統(tǒng)計(jì)模型基于一系列的假設(shè)。例如線性回歸模型假設(shè):

    (1) 自變量和因變量線性相關(guān) (2) 同方差 (3) 波動(dòng)均值為0 (4) 觀測(cè)樣本相互獨(dú)立 (5) 波動(dòng)服從正態(tài)分布

    Logistics回歸同樣擁有很多的假設(shè)。即使是非線性回歸也要遵守一個(gè)連續(xù)的分割邊界的假設(shè)。然而機(jī)器學(xué)習(xí)卻從這些假設(shè)中脫身出來(lái)。機(jī)器學(xué)習(xí)最大的好處在于沒(méi)有連續(xù)性分割邊界的限制。同樣我們也并不需要假設(shè)自變量或因變量的分布。

    數(shù)據(jù)區(qū)別

    機(jī)器學(xué)習(xí)應(yīng)用廣泛。 在線學(xué)習(xí)工具可飛速處理數(shù)據(jù)。這些機(jī)器學(xué)習(xí)工具可學(xué)習(xí)數(shù)以億計(jì)的觀測(cè)樣本,預(yù)測(cè)和學(xué)習(xí)同步進(jìn)行。一些算法如隨機(jī)森林和梯度助推在處理大數(shù)據(jù)時(shí)速度很快。機(jī)器學(xué)習(xí)處理數(shù)據(jù)的廣度和深度很大。但統(tǒng)計(jì)模型一般應(yīng)用在較小的數(shù)據(jù)量和較窄的數(shù)據(jù)屬性上。

    命名公約

    下面一些命名幾乎指相同的東西:

    公式:

    雖然統(tǒng)計(jì)模型和機(jī)器學(xué)習(xí)的最終目標(biāo)是相似的,但其公式化的結(jié)構(gòu)卻非常不同

    在統(tǒng)計(jì)模型中,我們?cè)噲D估計(jì)f 函數(shù) 通過(guò)

    因變量(Y)=f(自變量)+ 擾動(dòng) 函數(shù)

    機(jī)器學(xué)習(xí)放棄采用函數(shù)f的形式,簡(jiǎn)化為:

    輸出(Y)——> 輸入(X)

    它試圖找到n維變量X的袋子,在袋子間Y的取值明顯不同。

    預(yù)測(cè)效果和人力投入

    自然在事情發(fā)生前并不給出任何假設(shè)。 一個(gè)預(yù)測(cè)模型中越少的假設(shè),越高的預(yù)測(cè)效率。機(jī)器學(xué)習(xí)命名的內(nèi)在含義為減少人力投入。機(jī)器學(xué)習(xí)通過(guò)反復(fù)迭代學(xué)習(xí)發(fā)現(xiàn)隱藏在數(shù)據(jù)中的科學(xué)。由于機(jī)器學(xué)習(xí)作用在真實(shí)的數(shù)據(jù)上并不依賴于假設(shè),預(yù)測(cè)效果是非常好的。統(tǒng)計(jì)模型是數(shù)學(xué)的加強(qiáng),依賴于參數(shù)估計(jì)。它要求模型的建立者,提前知道或了解變量之間的關(guān)系。

    結(jié)束語(yǔ)

    雖然機(jī)器學(xué)習(xí)和統(tǒng)計(jì)模型看起來(lái)為預(yù)測(cè)模型的不同分支,但它們近乎相同。通過(guò)數(shù)十年的發(fā)展兩種模型的差異性越來(lái)越小。模型之間相互滲透相互學(xué)習(xí)使得未來(lái)兩種模型的界限更加模糊。

    原文鏈接:

    http://www.analyticsvidhya.com/blog/2015/07/difference-machine-learning-statistical-modeling/

    原文作者:TAVISH SRIVASTAVA

    翻譯: F.xy ?via:數(shù)據(jù)工匠

    End.

    極客網(wǎng)企業(yè)會(huì)員

    免責(zé)聲明:本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性,但不保證有關(guān)資料的準(zhǔn)確性及可靠性,讀者在使用前請(qǐng)進(jìn)一步核實(shí),并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏,概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí),應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明,并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后,將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí),溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。

    2015-07-14
    機(jī)器學(xué)習(xí)和統(tǒng)計(jì)模型的差異
    在各種各樣的數(shù)據(jù)科學(xué)論壇上這樣一個(gè)問(wèn)題經(jīng)常被問(wèn)到——機(jī)器學(xué)習(xí)和統(tǒng)計(jì)模型的差別是什么?

    長(zhǎng)按掃碼 閱讀全文