Video: Statistical Programming with R by Connor Harris 2025
Noen nettsteder på nettet vil tro at statistikk og maskinlæring er to helt forskjellige teknologier. For eksempel, når du leser Statistikk vs Maskinlæring, bekjempe!, får du ideen om at de to teknologiene ikke bare er forskjellige, men rettferdig fiendtlige mot hverandre. Faktum er at statistikk og maskinlæring har mye til felles, og at statistikk representerer en av de fem stammene (tankeskoler) som gjør maskinlæring mulig. De fem stammene er
- Symbolister: Opprinnelsen til denne stammen er i logikk og filosofi. Denne gruppen er avhengig av inverse fradrag for å løse problemer.
- Connectionists: Opprinnelsen til denne stammen er i nevrovitenskap. Denne gruppen er avhengig av backpropagation for å løse problemer.
- Evolusjonærer: Opprinnelsen til denne stammen er i evolusjonær biologi. Denne gruppen er avhengig av genetisk programmering for å løse problemer.
- Bayesians: Denne stammenes opprinnelse er i statistikk. Denne gruppen er avhengig av probabilistisk inferanse for å løse problemer.
- Analoger: Opprinnelsen til denne stammen er i psykologi. Denne gruppen er avhengig av kjernemaskiner for å løse problemer.
Det endelige målet med maskinlæring er å kombinere teknologier og strategier som de fem stammene omfavner for å lage en enkelt algoritme (mastergalgoritmen) som kan lære noe. Selvfølgelig er det langt unna å nå det målet. Likevel arbeider forskere som Pedro Domingos for tiden med det målet.
Ved hjelp av Bayesian stamme strategi, løser du de fleste problemer ved hjelp av noen form for statistisk analyse. Du ser strategier som er omtalt av andre stammer som er beskrevet, men hovedårsaken til at du begynner med statistikk er at teknologien allerede er godt etablert og forstått. Faktisk kvalifiserer mange statistikkelementer mer som engineering (der teorier implementeres) enn vitenskap (der teorier er opprettet). Å forstå rollen som algoritmer i maskinlæring er viktig for å definere hvordan maskinlæring fungerer.
