文件名称：面板数据机器学习简介-研究论文
文件大小：4.3MB
文件格式：PDF
更新时间：2024-06-09 11:25:42
Machine learning bias-variance tradeoff decision
机器学习极大地扩展了评估经济面板数据的工具范围。 本文将各种机器学习方法应用于波士顿房屋数据集，这是机器学习的标志性试验场。 尽管机器学习通常缺乏线性回归的明显解释性，但基于决策树的方法却对数据集特征的相对重要性进行了评分。 除了解决偏差和方差之间的理论折衷之外，本文还讨论了传统经济学很少采用的实践：将数据分为训练，验证和测试集； 数据缩放； 以及保留所有数据的偏好。 传统方法和机器学习方法之间的选择取决于实践而非数学上的考虑。 在通过回归系数的大小和符号来强调解释清晰性的设置中，机器学习可能会发挥辅助作用。 但是，无论在哪里，预测精度都至关重要，或者异方差性或高维性可能会损害线性方法的清晰度，机器学习都可以提供出色的结果。