機器學(xué)習(xí)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(yù)測。因其對高維、復(fù)雜、大樣本數(shù)據(jù)的模型選擇和預(yù)測優(yōu)勢,應(yīng)用于經(jīng)濟學(xué)研究,尤其是微觀經(jīng)濟學(xué)、能源經(jīng)濟和金融市場領(lǐng)域。機器學(xué)習(xí)在數(shù)據(jù)發(fā)現(xiàn)與變量創(chuàng)造、預(yù)測、因果推斷、政策評估、理論檢驗等領(lǐng)域有較好的應(yīng)用,但其在經(jīng)濟學(xué)應(yīng)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(xué)學(xué)報(社會科學(xué)版). 2020,(02)北大核心CSSCI

【文章頁數(shù)】：8 頁

【文章目錄】：
一、機器學(xué)習(xí)的內(nèi)涵界定
二、機器學(xué)習(xí)對于經(jīng)濟學(xué)應(yīng)用研究的適用性
    （一）經(jīng)濟研究領(lǐng)域的機器學(xué)習(xí)
    （二）機器學(xué)習(xí)與統(tǒng)計學(xué)、計量經(jīng)濟學(xué)
    （三）機器學(xué)習(xí)的優(yōu)勢與實現(xiàn)
三、機器學(xué)習(xí)在經(jīng)濟學(xué)中的應(yīng)用
    （一）數(shù)據(jù)發(fā)現(xiàn)與變量創(chuàng)造
    （二）預(yù)測
    （三）因果推斷
四、機器學(xué)習(xí)在應(yīng)用中需注意的問題
    （一）機器學(xué)習(xí)的方法論本質(zhì)
        1. 方法論基礎(chǔ)上，機器學(xué)習(xí)是邏輯實證主義的一種深化
        2. 研究范式上，機器學(xué)習(xí)是數(shù)據(jù)導(dǎo)向研究范式的一種優(yōu)化
        3. 模型體系上，機器學(xué)習(xí)是模型與經(jīng)驗數(shù)據(jù)的一致
    （二）機器學(xué)習(xí)的作用與局限
    （三）應(yīng)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(xué)精確性研究[J]. 劉麗艷.  財經(jīng)問題研究. 2014(08)
[3]經(jīng)濟學(xué)的關(guān)系論轉(zhuǎn)向[J]. 馮燮剛,李子奈.  經(jīng)濟學(xué)動態(tài). 2006(07)



本文編號：2999305