统计学和机器学习之间的区别_统计学和机器学习的主要特点

最近做医学数据分析的结果展现，提到了两个问题：1. 机器学习方法相比较传统统计学方法而言，能产生什么新的结果？2.这些新的结果能不能用统计学理论来解释？

于是简单Google了一下。很不幸，没有找到专门针对医学分析的，倒是发现一篇博客，讲统计学与机器学习、数据科学的区别。个人觉得挺有道理的。摘录主要思想如下。

1.    统计学的主要特点？

文中提到，统计学家最重要的任务是处理由采样引起的变异性。由此为出发点，设计好的数据收集过程，量化不确定性，理解方法相关的统计参数。

个人理解，在数据全集很难获得的情况下，需要通过采样来选择某一部分的数据。这个采样的结果受随机性的影响，也就是说，数据是随机分布的，那采样就需要根据全集固有的随机分布来做。可是很不幸，全集的随机分布很难得到，于是就有种种估计的方法。而统计学也提供了相应的方法，去评估估计的方法是否是合理的、有可能反应全集的。

2.    统计学的主要应用领域

-      人口统计。无法做全集，只能做采样

-      医学临床试验。对结果的精确性和可解释性要求非常高，逻辑严密

-      小样本高维数据。比如基因数据。

3.    机器学习、数据科学的主要应用领域

-      大数据领域。能拿到数据全集的情况。不需要采样后再