실무를 뛰면서 머신러닝 모델과 통계 모델을 같이 돌리고 있다.여기서 굳이 머신러닝 모델과 통계 모델로 구분한 이유는 통계 모델의 경우 대체로 모델에 대한 가정, 특히 잔차의 분포에 대한 가정이강하게 들어가는 편이고 가능도(likelihood)를 기반으로 모델 파라미터가추정이 되는 반면에 머신러닝 모델의 경우 모델에 대한 기본 알고리즘이 존재하긴 하지만, 그것이 분포에 대한 가정으로까지 이어지지 않는 경우가 많다. 즉, 머신러닝 모델은 '~~이런 알고리즘으로 하면 우리가 원하는 형태로 모델이 output을 잘 내주지 않을까요?' 라고 가정한다고 본다면, 통계 모델은 좀 더 직접적으로 '우리의 데이터가 이러한 Data Generating Process (DGP)' 에 의해 탄생하지 않았을까요? 라고 가정한..