• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Разработка алгоритмов машинного обучения для анализа цензурированных данных

2018

В данном проекте предлагается разработать класс алгоритмов обучения моделей анализа цензурированных данных, доказать асимптотические свойства таких алгоритмов для задач построения прогноза цензурированной зависимой переменной и оценки гетерогенного эффекта воздействия на цензурированную зависимую переменную, реализовать алгоритмы в среде программирования R и сделать их общедоступными. Также алгоритмы будут апробированы для решения задачи прогнозирования спроса на товар с ограниченным запасом (ограниченная сверху переменная) и для оценки гетерогенного эффекта от внедрения государственной политики на спрос (ограниченная снизу переменная). На этих примерах мы покажем преимущества работы с методами машинного обучения по сравнению с параметрическими методами эконометрики для цензурированных данных, а также методами машинного обучения без учета цензурированности данных.

Публикации по проекту:


Ozhegov E. M., Тетерина Д. В. Ensemble method for censored demand prediction / NRU Higher School of Economics. Series EC "Economics". 2018. No. 200/EC/2018.
Ozhegov E. M., Тетерина Д. В. Ensemble method for censored demand prediction / Cornell University. Series Computer Science "arxiv.org". 2018. No. arXiv:1810.09166.