統計解析と機械学習の違い
データを説明するか、未知のデータを予測するか

統計解析とは

統計解析は、既知のデータを数理統計学に基づいて解析し、その特性を数理モデルに当てはめることで、客観的に説明することを主な目的とする手法です。事象を数理的に捉えて明らかにすることに重点があり、論理的な推論や意思決定の客観的な根拠を与えます。人間が主体となって行います。

回帰分析は、統計解析の代表的な手法の1つです。

機械学習とは

機械学習は、学習器に多量の訓練データを与えて学習させ、自らデータの規則性や法則性を見つけさせて「学習済みモデル」を作る手法です。できた学習済みモデルに、未知のデータを与えて予測や分類を行わせることに重点があります。AI が主体となって行います。

一度学習済みモデルを作れば、そのあとはモデルがデータ分析を自動的に行います。学習の方法は、訓練データに正解情報を付ける教師あり学習、正解情報がない教師なし学習、行動に対する報酬が最大になるよう試行錯誤する強化学習の3種類です。

違いを表で比べる

機械学習の準備から使うまで

機械学習では、モデルを作る前後の作業も問われます。

• データクレンジング: 集めたデータの欠損値を補ったり、ノイズを取り除いたりして、形式をそろえる作業です。
• 特徴量エンジニアリング: 生のデータから、意味のある特徴量を取り出す作業です。
• 学習フェーズと推論フェーズ: 学習フェーズでモデルを作り、推論フェーズで未知のデータに使います。学習のほうが、高い演算能力や長い処理時間が必要です。
• 転移学習: 一から作る代わりに、既存の学習済みモデルに既知のデータを追加で学習させます。精度が足りないときは、データを増やして再チューニングします。

試験での問われ方

モバイルシステム技術検定2級では、第10章「生成AIとAI活用」で出ます。もちこ道場の第10章の問題では、次のような問われ方をしています。

• 穴埋め: 「数理統計学に基づいて解析し、客観的に説明する」の空欄に統計解析、「学習済みモデルを作り、未知のデータの予測や分類を行わせる」の空欄に機械学習を選ぶ。「人間が主体の〜、AI が主体の〜」の組み合わせを選ぶ形でも出ます。
• 誤った記述を選ぶ: 「統計解析は未知のデータの予測や分類に重点を置く」「機械学習は数理統計学に基づく客観的な説明が主な目的」「回帰分析は機械学習を代表する手法」「2つは常に同じ結果になるので使い分け不要」といった、役目を入れ替えた記述を見抜く。いずれも誤りです。

覚え方

• 統計は説明、機械学習は予測。「すでにあるデータを説明するのが統計解析、まだ見ていないデータを予測するのが機械学習」と覚えます。
• 主体で分けるなら、統計解析は人間、機械学習は AI。学習済みモデルという言葉が出たら機械学習です。
• 選択肢に並ぶ回帰分析は統計解析、教師あり・教師なし・強化は機械学習の中の分類、と所属を覚えておきます。

第10章のほかの用語は「第10章 生成AIとAI活用の要点」にまとめています。