统计与数据科学之间的区别：大数据与推论统计

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

统计与数据科学之间的区别：大数据与推论统计
基于这些，我解决了“统计与数据科学之间的差异”的问题。传统上，包括我在内的大多数人都会说“统计学首先出现，而数据科学则建立在统计学之上”。这种思路是正确的，但是正如您在下面看到的那样-错过了更大的画面-强调的思路。注意-在这里，我们为了学习而讨论了一种纯粹的方法。在实践中，领域和工具正在融合
纯粹的统计方法和数据科学家方法之间的两个主要区别是：
大数据的使用（在数据科学中很常见）和
推论统计的使用（在统计中很常见）。
因此，在这种背景下，从纯粹的统计角度来看，这与典型的数据科学方法存在一些差异
小数据：我们已经习惯于大数据的世界-我们并不完全欣赏另一个世界的存在-“小数据”的世界。但是在某些领域，小数据非常普遍，尤其是在医学，临床试验等领域，因为此过程风险大且成本高。因此，最终只能得到20或30个样本（少量数据）。这导致对推论统计的更大依赖
推论统计的使用： 推论统计使用从总体中抽取的随机数据样本来描述和推断总体。当不方便或不可能对整个人群的每个成员进行检查时，推论统计就很有价值。例如，测量在磨机中制造的每个钉子的直径是不切实际的。您可以测量代表性的随机指甲样本的直径。您可以使用样本中的信息来概括所有钉子的直径。资料来源：minitab。 由于数据量较小（如上），  统计信息更多地使用了推论/常识性方法
对领域知识的依赖增加：前两点还导致对统计领域的依赖程度更高，例如在功能选择方面。
验证性数据分析：探索性数据分析得到验证性数据分析的补充
越来越多地依赖统计测试，其中许多测试是特定于领域的
统计数据需要解释模型，而不是黑匣子模型。
数据科学强调自动化 –与统计相反，由于上述因素（例如，对领域知识的更多使用），统计需要更多的人工干预
处理离群值和插补：更加强调手动校正离群值和插补（缺失值）

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：数据科学 大数据 MiniTab 探索性数据分析 数据科学家