机器学习与统计学

为什么机器学习很多时候不对模型的系数进行t检验以及F检验呢？
答：因为统计检验正确性的保证是需要有数据分布假设作为前提，而机器学习模型很多时候不在于数据分布而在乎优化问题，故此机器学习不需要也不能进行统计学中的t检验或者F检验。

为什么样本量大的时候适合采用机器学习的方法？
答：传统统计学在处理小样本数据的时候需要数据的分布假设，但是这个假设往往并不是数据的真实分布，但在小样本的时候我们只能无可奈何地依靠假设。而样本量大的时候，样本的分布几乎是总体分布，那么直接对样本进行fitting也就相当于对总体进行fitting，我们就不需要对总体分布进行假设了，可以直接看做是个优化问题，而优化问题又是机器学习的基础。