Bewertung:
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 2 Stimmen.
Econometrics and Data Science: Apply Data Science Techniques to Model Complex Problems and Implement Solutions for Economic Problems
Machen Sie sich mit der Anwendung von Ansätzen des maschinellen Lernens in der makroökonomischen Forschung vertraut. Dieses Buch bringt Wirtschaftswissenschaften und Datenwissenschaft zusammen.
Der Autor Tshepo Chris Nokeri führt Sie zunächst in die Kovarianzanalyse, Korrelationsanalyse, Kreuzvalidierung, Hyperparameter-Optimierung, Regressionsanalyse und Residualanalyse ein. Darüber hinaus stellt er einen Ansatz vor, um mit Multikollinearität umzugehen. Dann entlarvt er ein Zeitreihenmodell, das als additives Modell bekannt ist. Er zeigt eine Technik zur Binarisierung eines wirtschaftlichen Merkmals auf, um eine Klassifizierungsanalyse mit Hilfe der logistischen Regression durchzuführen. Er führt das Hidden Markov Model ein, das zur Entdeckung verborgener Muster und des Wachstums der Weltwirtschaft verwendet wird. Der Autor demonstriert unüberwachte maschinelle Lerntechniken wie die Hauptkomponentenanalyse und die Clusteranalyse. Die wichtigsten Deep-Learning-Konzepte und Möglichkeiten zur Strukturierung künstlicher neuronaler Netze werden ebenso erforscht wie ihr Training und die Bewertung ihrer Leistung. Die Monte-Carlo-Simulationstechnik wird angewandt, um die Kaufkraft des Geldes in einer Volkswirtschaft zu stimulieren. Schließlich wird das Strukturgleichungsmodell (SEM) betrachtet, um Korrelationsanalyse, Faktorenanalyse, multivariate Analyse, Kausalanalyse und Pfadanalyse zu integrieren.
Nach der Lektüre dieses Buches sollten Sie in der Lage sein, die Verbindung zwischen Ökonometrie und Datenwissenschaft zu erkennen. Sie werden wissen, wie Sie einen Ansatz des maschinellen Lernens auf die Modellierung komplexer wirtschaftlicher Probleme und anderer Probleme außerhalb dieses Buches anwenden können. Sie werden wissen, wie Sie die Modellleistung umgehen und verbessern können, und Sie werden die praktischen Auswirkungen eines maschinellen Lernansatzes in der Ökonometrie kennen und in der Lage sein, drängende wirtschaftliche Probleme zu lösen.
(Was Sie lernen werden)
⬤ Untersuchen Sie komplexe, multivariate, linear-kausale Strukturen mit Hilfe der Pfad- und Strukturanalyse-Technik, einschließlich Nichtlinearität und verborgener Zustände.
⬤ Machen Sie sich mit praktischen Anwendungen von maschinellem Lernen und Deep Learning in der Ökonometrie vertraut.
⬤ Verstehen des theoretischen Rahmens und der Hypothesenentwicklung sowie der Techniken zur Auswahl geeigneter Modelle.
⬤ Entwickeln, Testen, Validieren und Verbessern der wichtigsten überwachten (d. h. Regression und Klassifikation) und unüberwachten (d. h. Dimensionsreduktion und Clusteranalyse) Modelle des maschinellen Lernens, neben neuronalen Netzen, Markov- und SEM-Modellen.
⬤ Daten und Modelle darstellen und interpretieren.
Für wen ist dieses Buch gedacht?
Anfänger und fortgeschrittene Datenwissenschaftler, Wirtschaftswissenschaftler, Ingenieure für maschinelles Lernen, Statistiker und Führungskräfte aus der Wirtschaft.
| ISBN: | 9781484274330 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2021 |
| Seitenzahl: | 228 |
Derzeit verfügbar, auf Lager.
