Los métodos de aprendizaje automático son realmente potentes para ajustar modelos predictivos y para clasificar en datos a gran escala y de alta dimensión. Estos son los datos que usamos cada vez más en economía. Así que creo que no hay duda de que muchos métodos de aprendizaje automático se usarán cada vez más a menudo.
Un área que llamará mucho la atención es combinar el aprendizaje automático con la inferencia causal. Una gran fracción de la microeconomía empírica se trata de encontrar formas de explotar los experimentos naturales, ya sea mediante el uso de variables instrumentales, discontinuidad de regresión, emparejamiento, estimadores de diferencia en diferencia u otros métodos.
Los datos a gran escala tienen grandes ventajas en términos de encontrar experimentos naturales (para tomar un ejemplo trivial, si desea medir cómo un cambio de precio del 15 de julio afectó las ventas, es mucho más poderoso tener datos de ventas diarias que datos de ventas mensuales). Pero en su mayor parte, los economistas que intentan estimar modelos causales en datos a gran escala están utilizando métodos tradicionales como la regresión lineal de efectos fijos. Tener algunas alternativas fáciles de usar probablemente haría una diferencia significativa en la investigación empírica.
- ¿Qué significa 'modelado de conjunto'?
- ¿Cuáles son las ventajas de la distancia euclidiana y la distancia coseno, respectivamente?
- ¿Es realmente necesaria la programación competitiva para campos como la ciencia de datos o el aprendizaje automático y para solicitar gigantes tecnológicos?
- ¿Las herramientas como BigML o Google Prediction API dejarán a los expertos en aprendizaje automático fuera del trabajo?
- ¿En qué se diferencia el aprendizaje profundo de la propagación por error (error)?
De hecho, creo que una forma en que el aprendizaje automático (o realmente, más datos) afectará el campo es que después de un tiempo revitalizará la teoría económica. La razón es que vamos a generar todo tipo de hechos nuevos e interesantes, sobre el comportamiento individual, los mercados laborales, la productividad de la empresa, la macroeconomía, y tener un montón de hechos nuevos y posiblemente desconectados o contradictorios es un excelente punto de partida para nuevos Modelos y teorías.