Personalmente, creo que la predicción y la clasificación se enfatizan mucho más en el aprendizaje automático que en las estadísticas. También los estadísticos se preocupan más por cuantificar la incertidumbre (cobertura) que el aprendiz de máquina promedio.
Aquí hay algunos pensamientos de estadísticos famosos que también están activos en el aprendizaje automático.
Según Michael Jordan,
Según Larry Wasserman (Estadísticas versus Aprendizaje automático),
- ¿Cómo puede ayudar una formación en procesamiento de señales en una carrera en ciencia de datos?
- ¿El análisis de sentimientos basado en léxico se considera un método no supervisado?
- ¿Cómo se usa el aprendizaje automático en la generación de preguntas?
- Yoshua Bengio: ¿cuáles son las preguntas abiertas más importantes en el aprendizaje profundo?
- ¿Cómo puede un estudiante de segundo año de Informática llegar al estudio del aprendizaje automático? ¿Cómo comienza uno?
La respuesta corta es que no hay diferencia.
La estadística enfatiza la inferencia estadística formal (intervalos de confianza, pruebas de hipótesis, estimadores óptimos) en problemas de baja dimensión.
El aprendizaje automático enfatiza los problemas de predicción de alta dimensión.
Pero esta es una gran simplificación excesiva.
También realmente encuentro útil su tabla de terminología equivalente entre los dos campos. Encontrará un gran grado de superposición entre las dos áreas.
Aprendizaje automático de estadísticas
———————————–
Aprendizaje de Estimación
Hipótesis del clasificador
Punto de datos Ejemplo / Instancia
Regresión aprendizaje supervisado
Clasificación de aprendizaje supervisado
Característica covariable
Etiqueta de respuesta
Todas las estadísticas tienen una lista más detallada de terminología equivalente.