빅데이터 무료 콘서트 | 통계학과 머신러닝의 차이

1. 통계 vs 머신러닝

용어

통계학	머신러닝
종속변수	레이블(타겟)
독립변수	특성(column)
케이스	인스턴스(row)
분석법(모델)	알고리즘

분석 단위

통계분석 : X(모집단)와 Y(표본)로 구성
머신러닝 : 전체 데이터를 학습데이터와 테스트 데이터로 나눔 ➡ 타겟을 Y로 별도로 설정

검증/평가

통계분석

• 이론/기준 (귀무가설)을 바탕으로 현상(데이터)을 통계적으로 추론
  ex) 현상이 일어날 확률이 x%이다
• 적은양의 표본으로 모집단을 추론

머신러닝

• 표본을 추출하는 것이 아니라, 전체 데이터로 전체 데이터의 추세를 판단(회귀)하고, 집단을 나눈다(분류)

2. 통계와 머신러닝 실제 분석 차이

분석 코드

$R^2$가 있는데 adj$R^2$를 사용하는 이유

• 독립변수의 수가 증가하면 설명력도 같이 증가하는 오류를 막기 위해 사용
  => 설명력 / 독립변수의 수(k-1) = adj$R^2$
  
  

결과에서 std err를 말해주는 이유

• 이게 머신러닝과 통계의 가장 큰 차이점이다
• "다른 표본을 조사했을 때 이정도의 오차가 있을 수 있다" (통계에서는 오차가 중요!)