论统计学与机器学习的关系与发展前景

   如果说这个时代有两头“风口上的猪”，在我的视野中我觉得是统计学和机器学习这两大学科。本人本科统计学专业，主要研究统计学和机器学习两个方向，通过本科的几年积累，对这两门学科有着自己认为还算正确的理解，希望能和大家分享讨论。

    统计学作为研究不确定性问题的一门理论学科，与数学有着千丝万缕的联系，也逐渐从数学中独立出来，与数学研究的确定性问题相对立。在非常强的数学理论基础上——概率论、数理统计、随机过程，统计学的很多专业分支在很多应用性问题尤其是社会科学问题研究中的工具性作用越来越重要，比如在回归分析基础上建立起来的广义线性模型、时间序列、多元统计、计量经济学、非参数统计、机器学习与数据挖掘等等一系列统计的理论分支和研究方向。作为三大统计推断的核心词汇贯穿于统计学研究和学习的始终：估计、检验、预测，这三个词汇听起来就让人振奋，也预示着未来社会的需求、前景和方向。

    机器学习可以看做统计学和计算机的交叉学科，核心方法还是统计学的理论，同时理论研究多有优化问题、泛函问题、非参问题，也可以看做统计学在非参数统计方法的一门延伸和拓展的分支，其应用范围在计算机领域有着非常的广泛。同时，机器学习又是人工智能和数据挖掘的核心理论和方法，在未来有非常好的前景，同时伴随着计算机领域的不断发展，机器学习最近也是愈演愈烈。

    对于统计学和机器学习的关系，我总结为如下几点：

    1、关系：机器学习=统计学+计算机，理论研究方面机器学习本质上还是以统计学的理论为核心，应用领域机器学习更偏重一些计算机的实现。

    2、差异：1）统计学是模型驱动；机器学习是算法驱动。

                    2）统计学具有更强的数学基础，更注重概率统计的理论推导；机器学习的数学理论并不完善，更注重的是应用价值和算法研究。

    关于两个学科未来的前景，我的看法是，对于想未来在大数据领域或者量化金融等比较注重统计学和机器学习两门科学的学习者，优先学好统计学的数学基础，这帮助你在未来的发展能走的够远，之后或者期间注重一些计算机领域的交叉，学好编程语言和计算机的算法分析和数据结构等学科，在此基础上拓展机器学习的领域，同时注重实践，具备在各个行业和各个问题上建构最前沿的统计模型和机器学习系统能力和素质，综合统计学和机器学习两个学科的优势，相互取长补短，灵活驾驭各种统计模型和机器学习方法解决现实问题，就会成为不可多得的人才。我坚信，统计学和机器学习必然在未来大有用武之地！