首推：年寒假机器学习五天现场班
陈强主讲
北京,1月11-15日
NoworNever!(详见页底)
虽然机器学习源于计算机科学的人工智能领域，但在未来有望成为一种广泛应用于各行业的通用技术。比如，年9月，麻省理工学院名誉校长EricGrimson在接受澎湃新闻采访时表示，机器学习在未来“会变得像使用Word、PowerPoint或者Excel一样”。
既然如此，机器学习与传统的统计学，以及广泛用于社会科学的计量经济学有何关系呢？下面从研究目标与方法论的区别，以及学科间融合的角度进行阐述。
研究目标的不同
从表面上看，机器学习通常使用大数据（样本容量很大或变量很多），而统计学与计量经济学则一般样本较小。但这种区别正在日益模糊，因为统计学与计量经济学也越来越多地使用大数据。
在本质上，这三个学科的区别在于其研究目的有所不同。机器学习的主要目的在于“预测”（prediction），统计学侧重于“统计建模与推断”（statisticallymodelingandinference），而计量经济学则着重于“因果推断”（causalinference），参见下表。
机器学习的主要目标在于预测，即根据来预测。为达到此目的，可以使用任何函数，甚至是难以解释的黑箱方法（比如神经网络）；只要预测结果接近就好。因此，机器学习方法的“可解释性”（interpretability,explainability）一般比较差。
在机器学习的模型中，即使有，也只是作为预测的中间手段与桥梁而已。机器学习的