Susan Athey前兩天參加了Quora的公開問答活動，回應(yīng)了一系列和經(jīng)濟(jì)學(xué)相關(guān)的問題赂蠢。這里截取一個比較前沿的問題：
在未來，機(jī)器學(xué)習(xí)技術(shù)會對經(jīng)濟(jì)學(xué)研究產(chǎn)生怎樣的影響？
Susan說：“一言以蔽之贺辰，影響或?qū)⒉豢上蘖俊嵌施！?/p>
如今饲化，經(jīng)濟(jì)學(xué)家正從現(xiàn)學(xué)現(xiàn)用的階段過渡到根據(jù)自身研究需要量身修改機(jī)器學(xué)習(xí)方法的階段。
Susan有關(guān)機(jī)器學(xué)習(xí)在經(jīng)濟(jì)學(xué)研究中應(yīng)用的演說總是受到熱烈關(guān)注吗伤。在去年夏天的NBER講座上吃靠，Susan和Imbens介紹機(jī)器學(xué)習(xí)的話題吸引了超過250名經(jīng)濟(jì)學(xué)研究者目光。而不久前AEA會議中有關(guān)大數(shù)據(jù)問題的講座也有百多名經(jīng)濟(jì)學(xué)人參與足淆。
這一切都在說明機(jī)器學(xué)習(xí)技術(shù)愈發(fā)在經(jīng)濟(jì)學(xué)界顯得活躍了巢块。
簡單的說礁阁，機(jī)器學(xué)習(xí)技術(shù)有兩個分支：有監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)。
有監(jiān)督學(xué)習(xí)意指用從數(shù)據(jù)集中發(fā)現(xiàn)的一系列特征或協(xié)變量(x's)來預(yù)測結(jié)果(y's)族奢。常用手段包括LASSO姥闭，隨機(jī)森林，回歸樹越走，支持向量機(jī)等棚品。這類技術(shù)長于預(yù)測，優(yōu)點(diǎn)不少廊敌。
譬如铜跑，其建模過程中一個常見選擇模型方法就是交叉驗(yàn)證，這種系統(tǒng)的模型選擇方法是傳統(tǒng)計量經(jīng)濟(jì)學(xué)研究中所匱缺的骡澈。
此外锅纺，Sendhil Mullainathan等經(jīng)濟(jì)學(xué)家也試圖指出預(yù)測問題在公共政策研究中的重要作用。（微博曾推送過Sendhil的這篇論文Prediction Policy Problems）肋殴。Rao等人在用機(jī)器學(xué)習(xí)預(yù)測方法研究攔腰搜身(stop-and-frisk)問題囤锉，更多還可以參見前段時間的一個論壇：“Predictive Cities”: 2016 ASSA Preliminary Program。
盡管如此疼电，我們得認(rèn)識到：
機(jī)器學(xué)習(xí)擅長預(yù)測嚼锄，但社會科學(xué)的重心在于研究因果。
Susan指出蔽豺，在傳統(tǒng)的計量經(jīng)濟(jì)學(xué)研究中区丑，常會為了建立更基本的因果性推斷而犧牲模型擬合數(shù)據(jù)（預(yù)測）的能力。這點(diǎn)是傳統(tǒng)計量模型的優(yōu)勢所在修陡，卻尚未在機(jī)器學(xué)習(xí)研究中受到重視沧侥。
Susan在她目前的研究中，正嘗試著改善已有的機(jī)器學(xué)習(xí)方法魄鸦，讓新方法既能吸納已有機(jī)器學(xué)習(xí)技術(shù)優(yōu)點(diǎn)宴杀，也能被應(yīng)用在因果推斷中。
最后拾因，Susan提了提無監(jiān)督學(xué)習(xí)旺罢。它相對和經(jīng)濟(jì)研究沒那么關(guān)聯(lián)了一些，主要應(yīng)用范疇在聚類問題上绢记。
原文：Susan Athey: What will be the impact of machine learning on economics?
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
