4주차_#1. 머신러닝과 통계의 차이

머신러닝

- 머신러닝은 '예측'에 집중한다.

- 모형복잡성 보다는 overfitting을 고려한다.

 

 

통계학

- 모형복잡성 보다 단순성을 추구

- 인자(parameter)의 해석 가능성과 모델링과 샘플링의 가정(assumption)에 강조

 

 

예제 : 넷플릭스 사례

- 넷플릭스틑 유저의 영화 평가를 다량으로 수집하여 영화를 예측하여 추천해준다.

- 머신러닝 : 결과 데이터, 영화 감상 내역 등 예측에 필요한 데이터를 이미 가지고 있는 상태에서 영화추천시스템이 작동. 하지만 해석가능성이 부족

- 통계학 : 유저가 왜 특정 영화를 선택하게 되는지를 이해할 수 있게 하는 모형을 만들려고 할것이다.

 

 

[참고]

https://medium.com/@hyunseok/%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D%EA%B3%BC-%EC%A0%84%ED%86%B5%EC%A0%81-%ED%86%B5%EA%B3%84%ED%95%99%EC%9D%98-%EC%B0%A8%EC%9D%B4-a560f0708db0