清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Forecasting by Machine Learning Techniques and Econometrics: A Review

时间序列 概率预测 人工神经网络 支持向量机
作者
G. Shobana,K. Umamaheswari
出处
期刊:International Conference on Inventive Computation Technologies 被引量:3
标识
DOI:10.1109/icict50816.2021.9358514
摘要

Econometricians deal with a tremendous amount of data to derive the relationships between economic entities. When statistical techniques are applied to the economic data to determine the relative economic entities with verifiable observations, this quantitative analysis is termed Econometrics. Traditional Econometric methods employ pure statistical and mathematical concepts to analyze economic data. Applied Econometrics deals with exploring real-world observations like forecasting, fluctuating market prices, economic outcomes or results, etc. In recent years, Machine Learning models are applied to quantitative data available in almost all domains. Machine Learning Models perform very efficiently in the classification process and it is used in the field of economics to classify the economic data more accurately than traditional econometric models. In this paper, several machine learning methods that are specifically used for economic data are explored. This paper further investigates the various Supervised machine learning techniques that contribute effectively along with metrics that are involved in the analysis procedure of econometric models. This study provides deep insight into those machine learning models preferred by the Econometricians and their future implications.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
mingtian完成签到,获得积分10
3秒前
4秒前
DrCuiTianjin完成签到 ,获得积分10
5秒前
踏实手套完成签到 ,获得积分10
7秒前
范白容完成签到 ,获得积分10
7秒前
7秒前
zz完成签到 ,获得积分10
25秒前
满意的芸完成签到 ,获得积分10
26秒前
vikey完成签到 ,获得积分10
28秒前
foyefeng完成签到,获得积分10
35秒前
lll完成签到,获得积分10
35秒前
Z森林应助lll采纳,获得10
40秒前
嗡嗡完成签到,获得积分10
43秒前
taoxz521完成签到 ,获得积分10
46秒前
狂野的难胜完成签到,获得积分10
47秒前
哒哒哒哒完成签到,获得积分10
53秒前
21GolDiamond完成签到,获得积分10
1分钟前
黄春容完成签到,获得积分10
1分钟前
双眼皮跳蚤完成签到,获得积分10
1分钟前
ommphey完成签到 ,获得积分10
1分钟前
蚂蚁踢大象完成签到 ,获得积分10
1分钟前
1分钟前
六合汤某人完成签到,获得积分20
1分钟前
六合汤某人发布了新的文献求助200
1分钟前
沙子完成签到 ,获得积分10
1分钟前
hongt05完成签到 ,获得积分10
1分钟前
Gary完成签到 ,获得积分10
2分钟前
Justtry完成签到,获得积分10
2分钟前
vampire完成签到,获得积分10
2分钟前
Omni发布了新的文献求助10
2分钟前
个性松完成签到 ,获得积分10
2分钟前
wenbinvan完成签到,获得积分0
2分钟前
宇文雨文完成签到 ,获得积分10
2分钟前
ii完成签到 ,获得积分10
3分钟前
丘比特应助许许采纳,获得30
3分钟前
xhsz1111完成签到 ,获得积分10
3分钟前
3分钟前
自由晓蕾发布了新的文献求助10
3分钟前
医小邦完成签到 ,获得积分10
3分钟前
华理附院孙文博完成签到 ,获得积分10
3分钟前
高分求助中
One Man Talking: Selected Essays of Shao Xunmei, 1929–1939 1000
A Chronicle of Small Beer: The Memoirs of Nan Green 1000
From Rural China to the Ivy League: Reminiscences of Transformations in Modern Chinese History 900
Migration and Wellbeing: Towards a More Inclusive World 900
Eric Dunning and the Sociology of Sport 850
Operative Techniques in Pediatric Orthopaedic Surgery 510
The Making of Détente: Eastern Europe and Western Europe in the Cold War, 1965-75 500
热门求助领域 (近24小时)
化学 医学 材料科学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 免疫学 细胞生物学 电极
热门帖子
关注 科研通微信公众号,转发送积分 2910114
求助须知:如何正确求助?哪些是违规求助? 2543883
关于积分的说明 6884682
捐赠科研通 2209937
什么是DOI,文献DOI怎么找? 1174374
版权声明 588028
科研通“疑难数据库(出版商)”最低求助积分说明 575412