論文の概要: Data Science in Economics

• arxiv url: http://arxiv.org/abs/2003.13422v1
• Date: Thu, 19 Mar 2020 00:06:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-22 03:56:17.137606
• Title: Data Science in Economics
• Title（参考訳）: 経済学におけるデータサイエンス
• Authors: Saeed Nosratabadi, Amir Mosavi, Puhong Duan, Pedram Ghamisi
• Abstract要約: データサイエンスの進歩は、ディープラーニングモデル、アンサンブルモデル、ハイブリッドモデルの3つの個別クラスで研究されている。 その結果, ハイブリッドモデルを応用した論文の51%以上が, ハイブリッドモデルの進展傾向にあることが明らかとなった。 一方、RMSEの精度測定値に基づいて、ハイブリッドモデルは他のアルゴリズムよりも高い精度で予測できることが判明した。
• 参考スコア（独自算出の注目度）: 9.080472817672264
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper provides the state of the art of data science in economics. Through a novel taxonomy of applications and methods advances in data science are investigated. The data science advances are investigated in three individual classes of deep learning models, ensemble models, and hybrid models. Application domains include stock market, marketing, E-commerce, corporate banking, and cryptocurrency. Prisma method, a systematic literature review methodology is used to ensure the quality of the survey. The findings revealed that the trends are on advancement of hybrid models as more than 51% of the reviewed articles applied hybrid model. On the other hand, it is found that based on the RMSE accuracy metric, hybrid models had higher prediction accuracy than other algorithms. While it is expected the trends go toward the advancements of deep learning models.
• Abstract（参考訳）: 本稿では、経済学におけるデータサイエンスの現状について述べる。 データサイエンスにおける応用と手法の新しい分類法について検討する。 データサイエンスの進歩は、ディープラーニングモデル、アンサンブルモデル、ハイブリッドモデルの3つの個別クラスで研究されている。 アプリケーションドメインには、株式市場、マーケティング、Eコマース、コーポレートバンキング、暗号通貨が含まれる。 prisma methodは、調査の質を保証するために、体系的な文献レビュー手法である。 その結果,ハイブリッドモデルを応用した論文の51%以上が,ハイブリッドモデルの進展傾向にあることが明らかとなった。 一方、RMSEの精度測定値に基づいて、ハイブリッドモデルは他のアルゴリズムよりも高い精度で予測できることが判明した。 この傾向は、ディープラーニングモデルの進歩に向かっていると期待されている。

関連論文リスト

• Model Merging in LLMs, MLLMs, and Beyond: Methods, Theories, Applications and Opportunities [89.40778301238642]
  モデルマージは、機械学習コミュニティにおける効率的なエンパワーメント技術である。 これらの手法の体系的かつ徹底的なレビューに関する文献には大きなギャップがある。
  論文  参考訳（メタデータ） (2024-08-14T16:58:48Z)
• A Survey on Data Selection for Language Models [148.300726396877]
  データ選択方法は、トレーニングデータセットに含まれるデータポイントを決定することを目的としている。 ディープラーニングは、主に実証的な証拠によって駆動され、大規模なデータに対する実験は高価である。 広範なデータ選択研究のリソースを持つ組織はほとんどない。
  論文  参考訳（メタデータ） (2024-02-26T18:54:35Z)
• Quantitative Technology Forecasting: a Review of Trend Extrapolation Methods [0.0]
  我々は、トレンド外挿技術の適用に対処する文献の予測技術について、体系的なレビューを行う。 機械学習ベースのハイブリッドモデルのような新しい手法が近年出現している。 ハイブリッドモデルが従来の手法よりも優れているかどうかを判断するためには、より多くの努力と証拠が必要であるため、技術予測へのハイブリッドモデルの開発と適用の傾向が拡大すると予想している。
  論文  参考訳（メタデータ） (2024-01-04T21:41:08Z)
• An adaptive standardisation methodology for Day-Ahead electricity price forecasting [0.0]
  電力市場における日頭価格は、時系列予測において最も一般的な問題の一つである。 これまでの研究は、市場の洗練されたダイナミクスを捉えるために、ますます複雑な学習アルゴリズムを使うことに重点を置いてきた。 本稿では,データセットシフトの効果を緩和する適応標準化を導入することで,代替手法を提案する。
  論文  参考訳（メタデータ） (2023-11-05T09:40:19Z)
• Universal Domain Adaptation from Foundation Models: A Baseline Study [58.51162198585434]
  基礎モデルを用いた最先端UniDA手法の実証的研究を行った。 CLIPモデルからターゲット知識を抽出するためのパラメータフリーな手法であるtextitCLIP 蒸留を導入する。 単純な手法ではあるが、ほとんどのベンチマークタスクでは従来の手法よりも優れている。
  論文  参考訳（メタデータ） (2023-05-18T16:28:29Z)
• Late Meta-learning Fusion Using Representation Learning for Time Series Forecasting [0.0]
  本研究は,これらの話題を包含する統合分類法を提案する。 この研究は、いくつかのモデル融合アプローチと、Deep-learning Forecast Model Averaging (DeFORMA)と呼ばれるハイブリッドおよび特徴積み重ねアルゴリズムの新たな組み合わせを実証的に評価した。 提案したモデルであるDeFORMAは、M4データセットで最先端の結果を得ることができる。
  論文  参考訳（メタデータ） (2023-03-20T10:29:42Z)
• Synthetic Model Combination: An Instance-wise Approach to Unsupervised Ensemble Learning [92.89846887298852]
  ラベル付きデータのトレーニングセットから学ぶ機会のない、新しいテストデータに対する予測を検討する。 専門家モデルのセットと予測へのアクセスと、トレーニングに使用するデータセットに関する制限された情報を提供すること。
  論文  参考訳（メタデータ） (2022-10-11T10:20:31Z)
• Efficient Climate Simulation via Machine Learning Method [21.894503534237664]
  我々は,実世界のシナリオ下でのハイブリッドモデリングのためのNeuroClimというフレームワークを開発した。 NeuroClimは、(1)プラットフォーム、(2)データセット、(3)メトリクスの3つの部分から構成される。
  論文  参考訳（メタデータ） (2022-08-15T07:47:38Z)
• Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
  我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。 我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
  論文  参考訳（メタデータ） (2022-07-18T11:38:32Z)
• Machine learning applications for electricity market agent-based models: A systematic literature review [68.8204255655161]
  エージェントベースのシミュレーションは、電気市場のダイナミクスをよりよく理解するために使用される。 エージェントベースのモデルは、機械学習と人工知能を統合する機会を提供する。 我々は、エージェントベースの電気市場モデルに適用された機械学習に焦点を当てた2016年から2021年の間に発行された55の論文をレビューする。
  論文  参考訳（メタデータ） (2022-06-05T14:52:26Z)
• Method and Dataset Entity Mining in Scientific Literature: A CNN + Bi-LSTM Model with Self-attention [21.93889297841459]
  MDERと呼ばれる新しいエンティティ認識モデルを提案し、科学的論文から効果的にメソッドとデータセットを抽出することができる。 我々は,NLP,CV,データマイニング,AIの4つの研究分野の論文から構築したデータセットのモデルを評価する。
  論文  参考訳（メタデータ） (2020-10-26T13:38:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。