¿Cuál es la diferencia entre estadística y aprendizaje automático?

Si solo observa los métodos estudiados en ambos campos, el aprendizaje automático y las estadísticas se parecen bastante. Sin embargo, si observa cuáles son los objetivos que intentan alcanzar ambos campos, verá que en realidad hay una gran diferencia:

• Las estadísticas están interesadas en aprender algo sobre los datos, por ejemplo, que se han medido como parte de algún experimento biológico. Las estadísticas son necesarias para apoyar o rechazar hipótesis basadas en datos ruidosos, o para validar modelos, o hacer predicciones y pronósticos. Pero el objetivo general es llegar a una nueva visión científica basada en los datos.
• En Machine Learning, el objetivo es resolver algunas tareas computacionales complejas ‘dejando que la máquina aprenda’. En lugar de tratar de comprender el problema lo suficientemente bien como para poder escribir un programa que sea capaz de realizar la tarea (por ejemplo, reconocimiento de caracteres escritos a mano), en su lugar, recopila una gran cantidad de ejemplos de lo que debe hacer el programa y luego ejecuta un algoritmo que puede realizar la tarea aprendiendo de los ejemplos. A menudo, los algoritmos de aprendizaje son de naturaleza estadística. Pero mientras la predicción funcione bien, no es necesario ningún tipo de información estadística sobre los datos.

Esta diferencia también se vuelve clara cuando observa el papel de la validación en ambos campos. En estadística, la validación es necesaria para asegurarse de si las conclusiones extraídas de los datos son verdaderas o no. En el aprendizaje automático, la validación adecuada es importante para saber qué algoritmo funciona mejor en los datos.

La estadística se trata de sacar conclusiones válidas

Se preocupa profundamente por cómo se recopilaron los datos, la metodología y las propiedades estadísticas del estimador. Gran parte de la estadística está motivada por problemas en los que necesita saber con precisión lo que está haciendo (ensayos clínicos, otros experimentos).

Las estadísticas insisten en una metodología adecuada y rigurosa, y se sienten cómodos al hacer y observar suposiciones. Se preocupa por cómo se recopilaron los datos, las propiedades resultantes del estimador o experimento (por ejemplo, valor p, estimadores imparciales) y los tipos de propiedades que esperaría si realizara un procedimiento muchas veces.

El aprendizaje automático se trata de predicción

Se preocupa profundamente por la escalabilidad y el uso de las predicciones para tomar decisiones. Gran parte del aprendizaje automático está motivado por problemas que necesitan respuestas (por ejemplo, reconocimiento de imágenes, inferencia de texto, clasificación, visión por computadora, medicina y atención médica, motores de búsqueda).

ML se complace en tratar el algoritmo como una caja negra siempre que funcione. La predicción, el rendimiento y la toma de decisiones son el rey, y el algoritmo es solo un medio para un fin. Es muy importante en ML asegurarse de que su rendimiento mejorará (y no tomará una cantidad absurda de tiempo) con más datos.

Si combina los dos, obtiene el aprendizaje automático estadístico , que se trata de predicciones realizadas utilizando muchos supuestos y técnicas estadísticas válidas.