机器学习的本质就是数理统计?
机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
它是人工智能核心，是使计算机具有智能的根本途径。
在百度百科中，我们可以查找到机器学习的相关解释，可是还是有许多刚刚接触 AI 的新人们都产生过类似这样的疑问：机器学习和数理统计，究竟有什么本质区别？不都是玩数据的么。
机器学习本质上是一种算法，这种算法由数据分析习得，而且不依赖于规则导向的程序设计；
机器学习就是对计算机一部分数据进行学习，然后对另外一些数据进行预测与判断。也就是说计算机利用以获取的数据得出某一模型，然后利用此模型进行预测的一种方法，这个过程跟人的学习过程有些类似，比如人获取一定的经验，可以对新问题进行预测。
统计建模则是以数据为基础，利用数学方程式来探究变量变化规律的一套规范化流程。
总结来说，机器学习的关键词是预测、监督学习和非监督学习等。而数理统计是关于抽样、统计和假设检验的科学。
栏目
相关
时间
2022-05-20 08:30:22