大学课程《机器学习与经济学实证应用》PPT课件：第1讲_机器学习基本原理及其启示-扩充版.pptxVIP

1第1讲机器学习基本原理及其启示

为什么要学习大数据和机器学习方法2一个好的实证研究需要：研究视角创新（选题）研究数据创新（数据）研究方法创新（方法）要为自己的研究建一条“护城河”机器学习在人工智能体系中处于基础与核心地位

为什么要学习大数据和机器学习分析方法3我们团队近几年的几个代表性成果《社交媒体平台信息交互与资本市场定价效率》，《数量经济技术经济研究》，2022年第11期。《池鱼之殃：上市公司社交媒体联结与股价溢出效应—来自中国监管处罚的证据》，《管理科学学报》，2023年第4期。《投资者会被分析师乐观语调误导吗？——来自社交媒体文本大数据的经验证据》，《管理科学学报》，第二轮返修。“SocialMediaNetworkandStockPriceSynchronicity:EvidencefromaChineseStockForum”，RRatABACUS.《数字经济与行政边界地区经济发展再考察：来自卫星灯光数据的证据》，《管理世界》，2023年第4期。《国家级新区设立对企业进入和空间布局的影响——来自镇级面板数据的经验证据》，《经济研究》，2023年第8期。“TheInformalEconomyatTimesofCOVID-19Pandemic”,ChinaEconomicReview,2022.《机器学习与社会科学中的因果关系：一个文献综述》，《经济学季刊》，2023年第1期。《异质性政策效应评估与机器学习方法：研究进展与未来方向》，《管理世界》，录用待刊。

主要内容4机器学习基本任务机器学习基本概念机器学习基本原理机器学习应用与启示

主要内容5机器学习基本任务机器学习基本概念机器学习基本原理机器学习应用与启示

机器学习基本任务6大数据成为社会科学重要数据形式社会科学研究中，数据来源越来越丰富，文本、图像、音频、视频、遥感等大数据（BigData）都成为社会科学研究者的重要数据来源。定义1：大数据（BigData）又称巨量数据或海量数据，是指涉及的数据量规模巨大到无法通过人工或者目前主流软件工具，在合理时间内达到截取、管理、处理并可以被人类解读的信息。定义2：大数据是在多样的或者大量数据中，迅速获取信息的能力。定义3：大数据=传统的小数据（源于测量）+现代的大记录（源于记录）

机器学习基本任务7大数据并不是单纯指数据量大数据时代，还是数据化时代数据不仅仅是我们传统认知中的1、2、3、4音频、视频、邮件、文档、图片皆为数据

机器学习基本任务8大数据的几个特征数据容量大（Volume）：从TB级别跃升到PB级别。数据类型繁多（Variety）：非结构化数据越来越多，包括网络日志、音频、视频、图片、地理位置信息等，这些多类型的数据对数据的处理能力提出了更高要求。价值密度低（Value，Veracity）：价值密度的高低与数据总量的大小成反比。以视频为例，一部1小时的视频，在连续不间断的监控中，有用数据可能仅有一二秒。处理速度快（Velocity）：1秒定律。这是大数据区分于传统数据挖掘的最显著特征。在海量的数据面前，处理数据的效率就是企业的生命。

机器学习基本任务9大数据的来源衣食住行，生产生活全部互联网化，因此都成为大数据的来源来源：网络检索、网络留言、网络购物、交通、征税记录、专利文本形式：不限于结构化的传统data，文本、图像、音频、视频、卫星照片都是数据特征：高维、稀疏，因此有时候传统经济学分析工具不能胜任

机器学习基本任务10大数据促进了机器学习的广泛应用擅长于处理这种非结构化大数据的机器学习方法也成为社会科学家工具箱的重要组成（Varian，2014；Grimmer，2015；MullainathanandSpiess，2017；Athey，2018；AtheyandImbens，2019；洪永淼和汪寿阳，2021）。

机器学习基本任务11大数据促进了机器学习的广泛应用数据分析的四大任务：Summarization、Estimation、Hypothesistesting、Prediction（Varian，2014）。机器学习方法的主要目的就在于对包括非结构化数据在内的大数据进行降维、分类和预测等（Ghoddusietal.，2019）。

机器学习基本任务12机器学习文献已经非常庞大机器学习代表性综述：Varian（2014）、Grimmer（2015）、MullainathanandSpiess（2017）、Athey（2018）、AtheyandImbens（2019）、Ghoddusietal.（2019）、Stormetal.（2019）、黄乃静和于明哲（2018）、王芳等（2020）。机器学习代表性教