機器學習以數(shù)據(jù)、文本、圖片等現(xiàn)實經(jīng)驗信息為研究對象,通過計算機與人工智能相結(jié)合的算法進行深度挖掘,對經(jīng)驗現(xiàn)實進行建模與預測。因其對高維、復雜、大樣本數(shù)據(jù)的模型選擇和預測優(yōu)勢,應用于經(jīng)濟學研究,尤其是微觀經(jīng)濟學、能源經(jīng)濟和金融市場領(lǐng)域。機器學習在數(shù)據(jù)發(fā)現(xiàn)與變量創(chuàng)造、預測、因果推斷、政策評估、理論檢驗等領(lǐng)域有較好的應用,但其在經(jīng)濟學應用研究中的作用與局限是值得注意的問題。 

【文章來源】：天津師范大學學報(社會科學版). 2020,(02)北大核心CSSCI

【文章頁數(shù)】：8 頁

【文章目錄】：
一、機器學習的內(nèi)涵界定
二、機器學習對于經(jīng)濟學應用研究的適用性
    （一）經(jīng)濟研究領(lǐng)域的機器學習
    （二）機器學習與統(tǒng)計學、計量經(jīng)濟學
    （三）機器學習的優(yōu)勢與實現(xiàn)
三、機器學習在經(jīng)濟學中的應用
    （一）數(shù)據(jù)發(fā)現(xiàn)與變量創(chuàng)造
    （二）預測
    （三）因果推斷
四、機器學習在應用中需注意的問題
    （一）機器學習的方法論本質(zhì)
        1. 方法論基礎(chǔ)上，機器學習是邏輯實證主義的一種深化
        2. 研究范式上，機器學習是數(shù)據(jù)導向研究范式的一種優(yōu)化
        3. 模型體系上，機器學習是模型與經(jīng)驗數(shù)據(jù)的一致
    （二）機器學習的作用與局限
    （三）應用中的一些具體問題


【參考文獻】：
期刊論文
[1]A Novel Hybrid FA-Based LSSVR Learning Paradigm for Hydropower Consumption Forecasting[J]. TANG Ling,WANG Zishu,LI Xinxie,YU Lean,ZHANG Guoxing.  Journal of Systems Science & Complexity. 2015(05)
[2]計量經(jīng)濟學精確性研究[J]. 劉麗艷.  財經(jīng)問題研究. 2014(08)
[3]經(jīng)濟學的關(guān)系論轉(zhuǎn)向[J]. 馮燮剛,李子奈.  經(jīng)濟學動態(tài). 2006(07)



本文編號：2999305