精品伊人久久大香线蕉,开心久久婷婷综合中文字幕,杏田冲梨,人妻无码aⅴ不卡中文字幕

陳強(qiáng)  主講

北京, 1月11-15日

Now or Never! (詳見(jiàn)頁(yè)底)

雖然機(jī)器學(xué)習(xí)源于計(jì)算機(jī)科學(xué)的人工智能領(lǐng)域，但在未來(lái)有望成為一種廣泛應(yīng)用于各行業(yè)的通用技術(shù)。比如，2018年9月，麻省理工學(xué)院名譽(yù)校長(zhǎng) Eric Grimson 在接受采訪(fǎng)時(shí)表示，機(jī)器學(xué)習(xí)在未來(lái) “會(huì)變得像使用Word、PowerPoint 或者 Excel 一樣”。

既然如此，機(jī)器學(xué)習(xí)與傳統(tǒng)的統(tǒng)計(jì)學(xué)，以及廣泛用于社會(huì)科學(xué)的計(jì)量經(jīng)濟(jì)學(xué)有何關(guān)系呢？下面從研究目標(biāo)與方法論的區(qū)別，以及學(xué)科間融合的角度進(jìn)行闡述。

研究目標(biāo)的不同

從表面上看，機(jī)器學(xué)習(xí)通常使用大數(shù)據(jù)（樣本容量很大或變量很多），而統(tǒng)計(jì)學(xué)與計(jì)量經(jīng)濟(jì)學(xué)則一般樣本較小。但這種區(qū)別正在日益模糊，因?yàn)榻y(tǒng)計(jì)學(xué)與計(jì)量經(jīng)濟(jì)學(xué)也越來(lái)越多地使用大數(shù)據(jù)。

在本質(zhì)上，這三個(gè)學(xué)科的區(qū)別在于其研究目的有所不同。機(jī)器學(xué)習(xí)的主要目的在于 “預(yù)測(cè)”（prediction），統(tǒng)計(jì)學(xué)側(cè)重于 “統(tǒng)計(jì)建模與推斷”（statistically modeling and inference），而計(jì)量經(jīng)濟(jì)學(xué)則著重于 “因果推斷”（causal inference），參見(jiàn)下表。

機(jī)器學(xué)習(xí)的主要目標(biāo)在于預(yù)測(cè)，即根據(jù) 

 來(lái)預(yù)測(cè) 。為達(dá)到此目的，可以使用任何函數(shù) ，甚至是難以解釋的黑箱方法（比如神經(jīng)網(wǎng)絡(luò)）；只要預(yù)測(cè)結(jié)果接近就好。因此，機(jī)器學(xué)習(xí)方法的 “可解釋性”（interpretability, explainability）一般比較差。

在機(jī)器學(xué)習(xí)的模型中，即使有 

，也只是作為預(yù)測(cè)的中間手段與橋梁而已。機(jī)器學(xué)習(xí)的關(guān)注重點(diǎn)就是 ，幾乎完全生活在  的世界里，成功與否就看  的預(yù)測(cè)效果。

反之，計(jì)量經(jīng)濟(jì)學(xué)的主要目標(biāo)則在于 “因果推斷”（causal inferences），即推斷

 對(duì)  的因果作用。為了識(shí)別并便于解釋此因果關(guān)系，經(jīng)濟(jì)學(xué)家通常需要對(duì)  的函數(shù)形式作很強(qiáng)的假定，比如假設(shè)線(xiàn)性回歸模型（線(xiàn)性模型最容易解釋其參數(shù)  的含義）：

然后，將所有精力集中于得到未知參數(shù)

 的估計(jì)量 ，并針對(duì)  進(jìn)行統(tǒng)計(jì)推斷（點(diǎn)估計(jì)、區(qū)間估計(jì)、假設(shè)檢驗(yàn)等）。總之，計(jì)量經(jīng)濟(jì)學(xué)關(guān)注的重點(diǎn)為 ，幾乎總是生活在  的世界里。事實(shí)上，大多數(shù)實(shí)證論文只是為了說(shuō)明，具有統(tǒng)計(jì)與經(jīng)濟(jì)的顯著性。

顯然，由于計(jì)量經(jīng)濟(jì)學(xué)對(duì)于函數(shù)

 的形式作了較強(qiáng)假定，可能與現(xiàn)實(shí)不符，故其預(yù)測(cè)效果一般并不理想（通常的實(shí)證研究也不作預(yù)測(cè)）。另一方面，對(duì)于統(tǒng)計(jì)學(xué)而言，也十分注重對(duì)于  的統(tǒng)計(jì)推斷，但所建模型可能只是相關(guān)關(guān)系，而不像計(jì)量經(jīng)濟(jì)學(xué)那樣專(zhuān)注于因果關(guān)系。

方法論的區(qū)別

在方法論上，機(jī)器學(xué)習(xí)主要使用 “最優(yōu)化”（optimization）方法，通常需要最小化某個(gè) “目標(biāo)函數(shù)”（objective function）或 “損失函數(shù)”（loss function）。由于此最優(yōu)化問(wèn)題一般沒(méi)有“解析解”（closed-form solution），故通常需要通過(guò)某種迭代的 “算法”（algorithm）尋找近似的 “數(shù)值解”（numerical solution）。

由于機(jī)器學(xué)習(xí)的目標(biāo)是讓預(yù)測(cè)結(jié)果 

盡量接近 ，而  可以觀(guān)測(cè)，故度量機(jī)器學(xué)習(xí)的效果非常簡(jiǎn)單，直接比較  與  的接近程度即可（比如，均方誤差、預(yù)測(cè)錯(cuò)誤率等），并不需要使用漸近理論。

另一方面，對(duì)于統(tǒng)計(jì)學(xué)與計(jì)量經(jīng)濟(jì)學(xué)而言，雖然也經(jīng)常作最優(yōu)化，但由于關(guān)注的重點(diǎn)為不可觀(guān)測(cè)的參數(shù)

，故在估計(jì)出  之后，無(wú)法直接比較  與  的接近程度，而只能使用概率統(tǒng)計(jì)的 “漸近理論”（asymptotics），也稱(chēng)為 “大樣本理論”（large sample theory），證明當(dāng)樣本容量趨向無(wú)窮大（）時(shí)，估計(jì)量  會(huì)（依概率）收斂到真實(shí)參數(shù) ，以及  服從漸近正態(tài)分布等性質(zhì)（以便進(jìn)行統(tǒng)計(jì)推斷）；并輔之以小樣本的 “蒙特卡洛模擬”（Monte Carlo simulation）進(jìn)行驗(yàn)證。

由此可知，由于研究目標(biāo)的不同，機(jī)器學(xué)習(xí)與統(tǒng)計(jì)學(xué)、計(jì)量經(jīng)濟(jì)學(xué)在研究范式上有著本質(zhì)的區(qū)別，參見(jiàn)下圖。

一般認(rèn)為機(jī)器學(xué)習(xí)使用了大量的統(tǒng)計(jì)方法，但事實(shí)上機(jī)器學(xué)習(xí)幾乎從不進(jìn)行統(tǒng)計(jì)推斷，而只是使用統(tǒng)計(jì)方法來(lái)估計(jì)函數(shù) 。由于機(jī)器學(xué)習(xí)可以直接比較預(yù)測(cè)值與實(shí)際值，故無(wú)須使用高深的漸近理論（依賴(lài)于大數(shù)定律與中心極限定理等）來(lái)證明預(yù)測(cè)效果；在這個(gè)意義上，機(jī)器學(xué)習(xí)反而比統(tǒng)計(jì)學(xué)或計(jì)量經(jīng)濟(jì)學(xué)更為簡(jiǎn)單！       

學(xué)科間的融合

以上強(qiáng)調(diào)了機(jī)器學(xué)習(xí)與統(tǒng)計(jì)學(xué)及計(jì)量經(jīng)濟(jì)學(xué)的區(qū)別。事實(shí)上，這些學(xué)科也存在密切的聯(lián)系，互相借鑒。比如，2011年圖靈獎(jiǎng)得主、人工智能先驅(qū) Judea Pearl 即主張將因果推斷引入人工智能領(lǐng)域，也成為越來(lái)越多研究者的共識(shí)。既然因果推斷是人類(lèi)智能的重要體現(xiàn)，未來(lái)的 “機(jī)器人” 怎能缺乏因果推斷的能力呢？

當(dāng)然，業(yè)界人士可能認(rèn)為，做商業(yè)預(yù)測(cè)只需要變量之間的相關(guān)關(guān)系即可，并不一定需要因果關(guān)系。比如，你看到街上有人帶傘，就可預(yù)測(cè)可能下雨；但人們帶傘顯然并不導(dǎo)致下雨。但事實(shí)上，許多商業(yè)問(wèn)題都涉及因果效應(yīng)。

例如，你想預(yù)測(cè)某個(gè)公司政策的效應(yīng)，比如將排名第一的搜索結(jié)果放到排名第三，將會(huì)對(duì)其點(diǎn)擊量有多少影響？此預(yù)測(cè)實(shí)際上是在估計(jì)該公司政策的因果效應(yīng)。

又比如，假設(shè)你收集了關(guān)于賓館房?jī)r(jià)與入住率的數(shù)據(jù)，想預(yù)測(cè)賓館房?jī)r(jià)對(duì)入住率的影響。如果直接根據(jù)相關(guān)關(guān)系進(jìn)行預(yù)測(cè)，會(huì)發(fā)現(xiàn)賓館入住率與房?jī)r(jià)顯著正相關(guān)。但這并非因果關(guān)系，因?yàn)樵诼糜瓮荆e館爆滿(mǎn)而房?jī)r(jià)也很高。顯然，如果根據(jù)機(jī)器學(xué)習(xí)的預(yù)測(cè)結(jié)果，建議賓館為了增加入住率而提高房?jī)r(jià)，無(wú)疑將南轅北轍。因此，對(duì)于考察公司政策的效應(yīng)這一類(lèi)重要預(yù)測(cè)問(wèn)題，其實(shí)本質(zhì)上也在做因果推斷。

另一方面，因果推斷也離不開(kāi)預(yù)測(cè)。事實(shí)上，因果推斷的本質(zhì)上恰恰是在做預(yù)測(cè)。比如，某地區(qū)實(shí)施了扶貧政策，你想評(píng)估此政策的效應(yīng)。此時(shí)，該地區(qū)扶貧之后的狀態(tài)可以度量，但最關(guān)鍵的信息卻不可觀(guān)測(cè)，即此地區(qū)如果沒(méi)有實(shí)施扶貧會(huì)怎么樣？對(duì)于這種 “反事實(shí)結(jié)果”（counterfactual outcome），就只能進(jìn)行估計(jì)或預(yù)測(cè)。這也正是 “魯賓因果模型”（Rubin's Causal Model）的核心思想。由于機(jī)器學(xué)習(xí)擅長(zhǎng)作預(yù)測(cè)，故機(jī)器學(xué)習(xí)方法在因果推斷方面也大有用武之地。

目前，機(jī)器學(xué)習(xí)的方法正在加速地進(jìn)入統(tǒng)計(jì)學(xué)與計(jì)量經(jīng)濟(jì)學(xué)。可以預(yù)見(jiàn)，這三個(gè)學(xué)科之間的相互交融與借鑒將進(jìn)一步加強(qiáng)。

參考文獻(xiàn)

陳強(qiáng)，《高級(jí)計(jì)量經(jīng)濟(jì)學(xué)及Stata應(yīng)用》，第2版，高等教育出版社，2014年

陳強(qiáng)，《計(jì)量經(jīng)濟(jì)學(xué)及Stata應(yīng)用》，高等教育出版社，2015年

陳強(qiáng)，《機(jī)器學(xué)習(xí)及R應(yīng)用》，高等教育出版社，2020年，即將出版

Upcoming Events   

 

 

現(xiàn)在的 “風(fēng)口” 是什么？那就是機(jī)器學(xué)習(xí)！得機(jī)器學(xué)習(xí)者，得未來(lái)……