本文關(guān)鍵詞：大數(shù)據(jù)與宏觀經(jīng)濟分析研究綜述，由筆耕文化傳播整理發(fā)布。

學(xué)科前沿；大數(shù)據(jù)與宏觀經(jīng)濟分析研究綜述；［內(nèi)容提要］大數(shù)據(jù)對宏觀經(jīng)濟分析具有革命性的意義；；了大數(shù)據(jù)對宏觀經(jīng)濟政策制定的影響，并在此基礎(chǔ)上對；一、引言；隨著互聯(lián)網(wǎng)的普及，信息總量正以空前的速度爆炸性增；（1PB=1024TB，1TB=個以“PB”；1024GB）為單位的數(shù)據(jù)信息新時代，即大數(shù)據(jù)時；；Apache公司的開源項目Nutch（一個開源軟；處理的速度

學(xué)科前沿

大數(shù)據(jù)與宏觀經(jīng)濟分析研究綜述

*

［內(nèi)容提要］大數(shù)據(jù)對宏觀經(jīng)濟分析具有革命性的意義。在大數(shù)據(jù)時代，紛繁復(fù)雜的數(shù)據(jù)實時可得，整個社會經(jīng)濟產(chǎn)生了根本的變化。大數(shù)據(jù)在宏觀經(jīng)濟分析應(yīng)用中最活躍也是最重要的四個領(lǐng)域為：宏觀經(jīng)濟數(shù)據(jù)挖掘、宏觀經(jīng)濟預(yù)測、宏觀經(jīng)濟分析技術(shù)和宏觀經(jīng)濟政策。本文對大數(shù)據(jù)背景下宏觀經(jīng)濟數(shù)據(jù)挖掘的來源和宏觀經(jīng)濟預(yù)測方法進行了評述，探討了大數(shù)據(jù)分析技術(shù)如何將機器

。本文還研究學(xué)習(xí)算法引入宏觀經(jīng)濟分析，利用LASSO算法解決“維數(shù)災(zāi)難”

了大數(shù)據(jù)對宏觀經(jīng)濟政策制定的影響，并在此基礎(chǔ)上對大數(shù)據(jù)背景下的中國宏觀經(jīng)濟分析提出了對策建議，認(rèn)為政府應(yīng)加大扶持力度，搭建平臺，及早建立基于大數(shù)據(jù)的宏觀經(jīng)濟分析模型，并加強學(xué)科和專業(yè)教育。［關(guān)鍵詞］大數(shù)據(jù)宏觀經(jīng)濟數(shù)據(jù)挖掘機器學(xué)習(xí)算法預(yù)測

一、引言

隨著互聯(lián)網(wǎng)的普及，信息總量正以空前的速度爆炸性增長，人類社會進入了一

（1PB=1024TB，1TB=個以“PB”

1024GB）為單位的數(shù)據(jù)信息新時代，即大數(shù)據(jù)時代。大數(shù)據(jù)，是指巨大而多樣化的數(shù)據(jù)集①，這些數(shù)據(jù)的處理超出了目前主流軟件的能力，因此必須改進處理數(shù)據(jù)

�！按髷�(shù)據(jù)”術(shù)語最早可以追溯到的工具

Apache公司的開源項目Nutch（一個開源軟件實現(xiàn)的搜索引擎），，伴隨谷歌的Ma-pReduce（映射和歸約，是一種編程模型，用于大規(guī)模數(shù)據(jù)集的并行運算）和GFS（可擴展的Google文件系統(tǒng)），大數(shù)據(jù)不僅代表著數(shù)據(jù)規(guī)模，而且包含了數(shù)據(jù)

②

處理的速度。目前一般認(rèn)為，大數(shù)據(jù)的典型特點可以用“4V”即大量化（Vol-ume）、快速化（Velocity）、多樣化（Va-

*本文為中國博士后科學(xué)基金面上項目“大數(shù)據(jù)與宏觀經(jīng)濟現(xiàn)時預(yù)測研究”（2014M560068）的階段性成果。

—57—

國外理論動態(tài)·2015年第1期

riety）和價值化（Value）來概括。一是數(shù)據(jù)體量巨大。據(jù)估計，人類至今生產(chǎn)的所有印刷材料的數(shù)據(jù)量大約為200PB，而歷史上全人類說過的所有的話的數(shù)據(jù)量大約為5EB（1EB=1024PB）。當(dāng)前互聯(lián)網(wǎng)上的數(shù)據(jù)以每年50%左右的速度增長，人類90%以上的數(shù)據(jù)都是最近幾年產(chǎn)生的，到2013年，全球存儲的數(shù)據(jù)預(yù)計能

70

達到約1.2ZB（等于2個字節(jié)，約10億TB）。二是處理速度快。在如此海量的數(shù)據(jù)面前，處理數(shù)據(jù)的效率就是企業(yè)的生命。社交媒介、移動設(shè)備、網(wǎng)上交易和網(wǎng)絡(luò)設(shè)備更新的速度非�？欤薮蟮臄�(shù)據(jù)流會導(dǎo)致傳統(tǒng)數(shù)據(jù)分析的軟硬件被淘汰，產(chǎn)生從快速生成數(shù)據(jù)中實時獲取價值的專門技術(shù)和數(shù)據(jù)分析系統(tǒng)。三是數(shù)據(jù)類型繁多。構(gòu)成大數(shù)據(jù)的信息類型來源不同，包括網(wǎng)絡(luò)日志、音頻、視頻、圖片、地理位置信息等。其中大概只有約10%屬于結(jié)構(gòu)化數(shù)據(jù)適合整齊地進入相關(guān)數(shù)據(jù)庫的行和列，其余90%是非結(jié)構(gòu)化數(shù)據(jù)。四是價值密度低。價值密度的高低與數(shù)據(jù)總量大小成反比。例如，一部1小時的視頻，在連續(xù)不間斷監(jiān)控過程中，可能有用的數(shù)據(jù)只占一兩秒時間。如何通過強大的機器算法更迅速地完成數(shù)據(jù)的價值“提純”

③

變得十分重要，也是數(shù)據(jù)挖掘的關(guān)鍵。大數(shù)據(jù)正在深刻地影響著整個社會和經(jīng)濟的發(fā)展。從經(jīng)濟分析的角度看，國際上的大數(shù)據(jù)研究首先在行業(yè)研究、商務(wù)分析和企業(yè)應(yīng)用層面快速發(fā)展，并逐漸影響到經(jīng)濟分析的各個領(lǐng)域。當(dāng)前，在宏觀經(jīng)濟分析中如何充分利用大數(shù)據(jù)方法和技術(shù)已經(jīng)開始在國際上引起重視，從國內(nèi)的情況來看，將大數(shù)據(jù)與宏觀經(jīng)濟聯(lián)系起來的研究還鮮有見到，宏觀經(jīng)濟政策制定者對此也重視不夠，而這正是本綜述的目的和—58—

意義所在。

二、大數(shù)據(jù)對宏觀經(jīng)濟分析的革命性意義

大數(shù)據(jù)開啟了巨大的時代轉(zhuǎn)型，就宏觀經(jīng)濟分析而言，大數(shù)據(jù)時代帶來的轉(zhuǎn)變是重大且具有革命意義的。首先，大數(shù)據(jù)極大地拓寬了信息來源。大數(shù)據(jù)時代的重大變化是海量的可得數(shù)據(jù)。傳統(tǒng)經(jīng)濟分析依靠的數(shù)據(jù)主要是樣本，而在大數(shù)據(jù)時代，得到的數(shù)據(jù)可能就是總體本身，例如就物價而言，每一筆在電子商務(wù)網(wǎng)站成交的交易信息都能記錄在案。大而全的可得數(shù)據(jù)對宏觀經(jīng)濟分析是極其重要的，可以準(zhǔn)確了解宏觀經(jīng)濟形勢，正確做出宏觀經(jīng)濟發(fā)展預(yù)測，合理制定宏觀經(jīng)濟政策。這些優(yōu)勢是傳統(tǒng)經(jīng)濟分析方法無法想象和實現(xiàn)的。

其次，大數(shù)據(jù)時代信息獲得的速度大大提高，很多信息實時可得。傳統(tǒng)的經(jīng)濟分析主要依靠結(jié)構(gòu)化數(shù)據(jù)，這些數(shù)據(jù)最明顯的缺陷就是具有很強的時滯性。例如，政府公布的季度GDP往往會有1個月的滯后期，而反映全面經(jīng)濟社會狀況的統(tǒng)計年鑒的滯后期會達到3個月左右，這對及時了解宏觀經(jīng)濟形勢、預(yù)測與預(yù)警都是非常不利的。大數(shù)據(jù)時代信息產(chǎn)生和傳遞的速度空前加快，如互聯(lián)網(wǎng)上的大量信息是實時的，移動互聯(lián)網(wǎng)和物聯(lián)網(wǎng)使每個人隨時隨地都可能制造數(shù)據(jù)。大數(shù)據(jù)經(jīng)濟模型可以充分利用數(shù)據(jù)的實時性，提高分析或預(yù)測的時效性，為經(jīng)濟預(yù)警和政策制定提供最快速的資料和依據(jù)。

第三，大數(shù)據(jù)帶來宏觀經(jīng)濟分析的方法論變革。傳統(tǒng)的經(jīng)濟計量模型建立在抽樣統(tǒng)計學(xué)的基礎(chǔ)上，以假設(shè)檢驗為基本模式。隨著信息量的極大拓展和處理信息能

學(xué)科前沿

力的極大提高，經(jīng)濟分析可能從樣本統(tǒng)計時代走向總體普查時代。這一點對宏觀經(jīng)濟分析意義重大，因為宏觀經(jīng)濟系統(tǒng)紛繁復(fù)雜，如果能將對整體宏觀經(jīng)濟變量的分析建立在盡可能多的關(guān)于經(jīng)濟主體行為的信息以及其他諸多經(jīng)濟變量的信息的基礎(chǔ)上，甚至拋棄原有的假設(shè)檢驗的模式，無疑將會極大地提高宏觀經(jīng)濟分析的準(zhǔn)確性和可信度。同時，經(jīng)典計量模型以因果檢驗為核心，而大數(shù)據(jù)分析則往往將相關(guān)性發(fā)掘作為首要任務(wù)。在復(fù)雜的宏觀經(jīng)濟系統(tǒng)中，當(dāng)許多宏觀經(jīng)濟中的因果關(guān)系往往難以準(zhǔn)確檢驗、因果結(jié)論經(jīng)常廣受質(zhì)疑時，更重視可靠相關(guān)關(guān)系的發(fā)掘，充分利用相關(guān)關(guān)系對于經(jīng)濟預(yù)測、政策制定與評估的作用，無疑為宏觀經(jīng)濟分析打開了另一片廣闊的空間。正因為如此，維克托·邁爾－舍恩伯格（VictorMayer－Schon-berger）與肯尼思·庫克耶（KennethCukier）認(rèn)為建立在相關(guān)關(guān)系分析基礎(chǔ)上的預(yù)測是大數(shù)據(jù)的核心。

第四，大數(shù)據(jù)促進了宏觀經(jīng)濟分析技術(shù)的革新。傳統(tǒng)的分析技術(shù)基于關(guān)系型宏觀經(jīng)濟數(shù)據(jù)，而分析模型主要基于統(tǒng)計數(shù)據(jù)，而大數(shù)據(jù)中的大量信息是非結(jié)構(gòu)化的，數(shù)據(jù)的來源和形式復(fù)雜多樣。如互聯(lián)網(wǎng)信息包含文本、圖片、影音等多種形式，在此狀況下進行宏觀經(jīng)濟分析，有必要借鑒計算機領(lǐng)域已經(jīng)出現(xiàn)、但在現(xiàn)有經(jīng)濟領(lǐng)域還少有應(yīng)用的數(shù)據(jù)處理技術(shù)，例如機器學(xué)習(xí)。機器學(xué)習(xí)已經(jīng)在圖像識別、語音識別、自然語言處理、智能機器人等領(lǐng)域取得了巨大成功，是當(dāng)前進行大數(shù)據(jù)分析的基本手段。此類技術(shù)在宏觀經(jīng)濟領(lǐng)域的應(yīng)用會極大地提高經(jīng)濟分析的能力，改進分析結(jié)果、提升分析價值。另外，傳統(tǒng)的經(jīng)濟計量對海量數(shù)據(jù)難以分析，發(fā)展適

合大數(shù)據(jù)的分析模型是經(jīng)濟計量面臨的重

④

大挑戰(zhàn)。

國際學(xué)術(shù)界和宏觀經(jīng)濟政策制定者已經(jīng)意識到大數(shù)據(jù)對宏觀經(jīng)濟分析的革命性影響，將大數(shù)據(jù)的概念、方法、技術(shù)和宏觀經(jīng)濟分析結(jié)合起來的做法正逐步得到重視，一些意義深遠(yuǎn)的研究工作逐步興起。綜合起來看，這些研究主要集中在宏觀經(jīng)濟數(shù)據(jù)挖掘、宏觀經(jīng)濟預(yù)測、宏觀經(jīng)濟分析技術(shù)和宏觀經(jīng)濟政策四個領(lǐng)域。

三、宏觀經(jīng)濟數(shù)據(jù)挖掘

數(shù)據(jù)挖掘正在成為一個熱門行業(yè)。簡單地說，數(shù)據(jù)挖掘就是大數(shù)據(jù)時代的統(tǒng)計調(diào)查。隨著互聯(lián)網(wǎng)信息技術(shù)的逐步發(fā)展，獲取的數(shù)據(jù)種類越來越多，數(shù)量越來越龐大，更新速度越來越快，數(shù)據(jù)中有大量“噪聲”存在。顯然，傳統(tǒng)的統(tǒng)計調(diào)查方法不能適應(yīng)大數(shù)據(jù)時代信息收集的需要，比如在內(nèi)容形式上，互聯(lián)網(wǎng)上的諸多信息是以多媒體方式存在的，統(tǒng)計調(diào)查無從下手；面對海量信息，統(tǒng)計調(diào)查速度慢，效率低。因此，充分依靠計算機進行信息收集的各種新技術(shù)應(yīng)運而生，被稱為“數(shù)

。數(shù)據(jù)挖掘多在利用網(wǎng)絡(luò)爬蟲軟據(jù)挖掘”

件的基礎(chǔ)上建立機器學(xué)習(xí)模型。其過程一般包括：先利用網(wǎng)絡(luò)爬蟲軟件將原始信息從網(wǎng)上抓取下來；然后通過一定方法對這些數(shù)據(jù)進行清洗，將大量內(nèi)容無用的“噪聲”過濾掉，保留值得加工的信息；最后對剩下的內(nèi)容進行加工提取，并轉(zhuǎn)化為一定程度結(jié)構(gòu)化的可用數(shù)據(jù)，如標(biāo)準(zhǔn)化為時間序列等。這一過程已經(jīng)成為大數(shù)據(jù)方法中的標(biāo)準(zhǔn)程序之一。從宏觀經(jīng)濟分析的角度，根據(jù)信息來源的種類，數(shù)據(jù)挖掘大體可分為兩類。

—59—

國外理論動態(tài)·2015年第1期

第一類是對數(shù)量信息的收集整理。這一類工作要解決的問題是信息來源量大面廣和快速更新的問題，比如麻省理工學(xué)院

10億價格項目”（TheBillionPrices的“

Project，BPP）。研究團隊在經(jīng)濟學(xué)家阿爾伯托·卡瓦洛（AlbertoCavallo）和羅伯托·瑞格本（RobertoRigobon）的帶領(lǐng)下，通過“網(wǎng)絡(luò)抓取技術(shù)”（webscrap-ing），利用網(wǎng)上購物交易數(shù)據(jù)計算日常通脹指數(shù)，收集世界來自70個國家、300個零售商、共500萬種在線商品的價格，建立了通脹指數(shù)的日發(fā)布系統(tǒng)。相比傳統(tǒng)CPI的月發(fā)布機制，“10億價格項目”僅有3天的滯后期，幾乎實現(xiàn)了通貨膨脹的實時預(yù)測。

第二類是對非數(shù)量信息的收集整理。比如如何從文本、圖片、視頻等素材中挖掘出結(jié)構(gòu)化、數(shù)量化的信息。這類工作除了要解決前述問題，還面臨將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)這一更困難的艱巨任務(wù)。對一項典型的文本數(shù)據(jù)挖掘工作而言，假定任務(wù)是從日常的新聞報道中挖掘出媒體對經(jīng)濟的信心指數(shù)，那么基本過程

⑤

包括四步。第一步是選取部分文本，請專業(yè)人士進行標(biāo)注以便分類，如可分類為“樂觀、中性、悲觀”三類，同一個文本可由三人分別標(biāo)記，然后采取一定方法來計算語料標(biāo)注的一致性，只有通過，方能被用于觀點分類。第二步是對文本進行特征抽取和選擇，特征抽取方法包括基于規(guī)則的特征抽取和基于統(tǒng)計的特征抽取。第三步是在特征抽取信息的基礎(chǔ)上建立分類器，可同時考慮來源單位、作者身份、文本性質(zhì)這三類信息，對已標(biāo)注文本通過機器學(xué)習(xí)（如采用支持向量機算法）建立分類器。第四步是將此分類器應(yīng)用于分類未標(biāo)注文本，并將分類結(jié)果轉(zhuǎn)化為時間系—60—

列數(shù)據(jù)。

數(shù)據(jù)挖掘是在借鑒眾多領(lǐng)域研究思想的基礎(chǔ)上逐步發(fā)展的，借鑒了統(tǒng)計學(xué)的抽樣估計、人工智能和機器學(xué)習(xí)的搜索算法、建模技術(shù)和學(xué)習(xí)理論，還借鑒了信息論、最優(yōu)化、可視化、信號處理和信息檢索等思想。目前廣為接受的數(shù)據(jù)挖掘處理模型是法耶德（UsamaFayyad）等人設(shè)計的多處理階段模型。利用該模型數(shù)據(jù)挖掘，意在集中尋求數(shù)據(jù)挖掘過程中的可視化方法，便于人機交互；利用該模型也可以增強對多媒體數(shù)據(jù)、文本數(shù)據(jù)和圖像數(shù)據(jù)等各種非結(jié)構(gòu)化或半結(jié)構(gòu)化數(shù)據(jù)挖掘的準(zhǔn)確性。

四、大數(shù)據(jù)與宏觀經(jīng)濟預(yù)測

大數(shù)據(jù)時代信息的實時和快速為及時高效的預(yù)測提供了可能，信息的規(guī)模龐大為準(zhǔn)確合理的預(yù)測提供了機會。大數(shù)據(jù)背景下的宏觀經(jīng)濟預(yù)測將更加有效、實用。國際上利用大數(shù)據(jù)進行經(jīng)濟分析與預(yù)測取得了一定的進展。BPP項目利用網(wǎng)上購物交易數(shù)據(jù)計算日常通脹指數(shù)。例如，BPP的數(shù)據(jù)顯示，在雷曼兄弟公司2008年9月倒閉后，大部分美國企業(yè)幾乎立刻開始削減價格，這表明總需求已經(jīng)減

⑥

相比之下，官方通脹機構(gòu)公布的數(shù)弱。

據(jù)直到當(dāng)年11月，即在10月CPI數(shù)據(jù)公布后，才對通貨緊縮有所反應(yīng)。崔玄英（HyunyoungChoi）和瓦里安（HalVarian）介紹了谷歌趨勢（GoogleTrends）如何可以用來為預(yù)測當(dāng)前經(jīng)濟變量服務(wù)，發(fā)現(xiàn)失業(yè)和相關(guān)福利的搜索可以提高對于失業(yè)救濟

⑦

首次申請時間的預(yù)測。阿斯基達斯（N．Askitas）和齊默爾曼（K．F．Zimmer-mann）⑧、阿穆里（F．D'Amuri）⑨以及蘇霍

學(xué)科前沿

瑠瑏

依（T.Suhoy）也發(fā)現(xiàn)，互聯(lián)網(wǎng)搜索可以預(yù)測德國、意大利和以色列有關(guān)勞動力市場的狀況。崔玄英和瓦里安以及吳（L.Wu）和布林約爾松（E.Brynjolfsson）發(fā)現(xiàn)，

與住房有關(guān)的搜索可以改善傳統(tǒng)模式對美

瑡瑏

國住房銷售的預(yù)測。韋博（G.K.Webb）認(rèn)，“止贖權(quán)”的檢索次數(shù)和取消抵押品為

贖回權(quán)的實際數(shù)目是美國住房市場問題的

瑢瑏

一個早期預(yù)警。麥凱倫（N.McLaren）和山波霍格（R.Shanbhogue）檢驗了在線搜索對英國就業(yè)和住房市場預(yù)測活動的重要性，指出包含因特網(wǎng)搜索的模型提高了預(yù)

瑣瑏

測效果。

利用大數(shù)據(jù)對宏觀經(jīng)濟進行預(yù)測最重要的方面當(dāng)屬宏觀經(jīng)濟的現(xiàn)時預(yù)測（nowcasting）。“現(xiàn)時預(yù)測”一詞最初源于氣象學(xué)領(lǐng)域，是針對現(xiàn)在已經(jīng)發(fā)生的事可能因為信息獲取困難等原因難以直接知道準(zhǔn)確情況，因而根據(jù)可得信息來進行推測。比如對宏觀經(jīng)濟而言，在月底估測本月GDP總量是現(xiàn)時預(yù)測，因為“本月GDP是多少”這件事已經(jīng)發(fā)生了，只是我們還不能馬上拿到相關(guān)數(shù)據(jù)。因為信息技術(shù)的發(fā)展導(dǎo)致大量實時信息容易采集，崔玄英和瓦里安強調(diào)應(yīng)充分利用大數(shù)據(jù)方法為經(jīng)濟現(xiàn)象的現(xiàn)時預(yù)測服務(wù)。目前對宏觀經(jīng)濟的判斷依賴于各種統(tǒng)計調(diào)查系統(tǒng)發(fā)布的統(tǒng)計數(shù)據(jù)，但面臨的最大困難之一便在于關(guān)于宏觀經(jīng)濟統(tǒng)計的數(shù)據(jù)滯后太多，基于此統(tǒng)計進行的預(yù)測甚至被認(rèn)為助長了宏觀經(jīng)濟波動。大數(shù)據(jù)時代大量實時數(shù)據(jù)的產(chǎn)生，為更快捷地估測宏觀經(jīng)濟提供了可能，大數(shù)據(jù)理論與方法的發(fā)展則為現(xiàn)時預(yù)測提供了新的條件。

大數(shù)據(jù)也使得宏觀經(jīng)濟預(yù)測模型產(chǎn)生了變化。傳統(tǒng)的經(jīng)濟預(yù)測往往通過建立時間序列、截面或面板方程等幾個模型來進

行，變量的完整被認(rèn)為是不可能的。由于模型變量選擇、參數(shù)設(shè)置、估計方法以及滯后期選擇等的不同，預(yù)測結(jié)果會產(chǎn)生很大的偏差。大數(shù)據(jù)時代可以應(yīng)用大量模型進行研究，并應(yīng)用完備的數(shù)據(jù)信息，這對預(yù)測模型的改進提出了挑戰(zhàn)，同時提高了預(yù)測的準(zhǔn)確性。

麥凱倫和山波霍格指出，大數(shù)據(jù)對分析預(yù)測意想不到的事情也是特別有幫助的。例如經(jīng)濟形勢的變更、暫時的工廠關(guān)閉和罷工等，傳統(tǒng)的調(diào)查數(shù)據(jù)須根據(jù)預(yù)定的問題進行收集，而大數(shù)據(jù)時代搜索數(shù)據(jù)更靈活，可用于評估這些特殊情況，對宏

瑤瑏

觀經(jīng)濟進行合理預(yù)測。

五、大數(shù)據(jù)分析技術(shù)與宏觀經(jīng)濟分析

人類對大數(shù)據(jù)特別是結(jié)構(gòu)化的、甚至看似雜亂無章的海量數(shù)據(jù)的分析能力的大大加強，有賴于機器學(xué)習(xí)（machinelearn-ing）算法的迅速發(fā)展。簡單地說，機器學(xué)習(xí)就是讓計算機經(jīng)過“訓(xùn)練”在輸入變量和輸出變量間建立起某種“最佳”

，是指把輸入的匹配關(guān)系。所謂“訓(xùn)練”

和輸出信息都已知的樣本輸入計算機，然后根據(jù)一定的算法，由計算機生成由輸入

�！皺C器”能夠變量預(yù)測輸出變量的方法

伴隨計算、運行次數(shù)的增多，通過學(xué)習(xí)逐步自我提高和改善，使挖掘和處理更為準(zhǔn)確。機器學(xué)習(xí)的主要算法包括線性模型、拓展的線性模型、決策樹、支持向量機、人工神經(jīng)網(wǎng)絡(luò)、自組織映射網(wǎng)絡(luò)、遺傳算法等等，并仍在蓬勃發(fā)展。機器學(xué)習(xí)已經(jīng)在圖像識別、語音識別、自然語言處理、智能機器人等諸多領(lǐng)域取得了巨大成功，是當(dāng)前進行數(shù)據(jù)挖掘和大數(shù)據(jù)分析的基本手段。大數(shù)據(jù)推動數(shù)據(jù)的分析向機器學(xué)習(xí)

—61—

三億文庫3y.uu456.com包含各類專業(yè)文獻、中學(xué)教育、生活休閑娛樂、應(yīng)用寫作文書、文學(xué)作品欣賞、行業(yè)資料、19大數(shù)據(jù)與宏觀經(jīng)濟分析研究綜述_劉濤雄等內(nèi)容。

最新搜索

大數(shù)據(jù)與宏觀經(jīng)濟分析研究綜述_劉濤雄

寄生蟲:弓形蟲

無線LAN講義

程序員人生之路(分析的非常透徹!)

眼袋嚴(yán)重為什么,天生的大眼袋怎么辦

包頭養(yǎng)老保險

2013年駕考路考須知

舊圃鎮(zhèn)中學(xué)食品采購和驗收制度

“先學(xué)后教”研究課題階段總結(jié)

第九講_測試技術(shù)綜合

  本文關(guān)鍵詞：大數(shù)據(jù)與宏觀經(jīng)濟分析研究綜述，由筆耕文化傳播整理發(fā)布。