Zusammenfassung
In diesem Abschnitt werden verschiedene Basistechniken des maschinellen Lernens vorgestellt. Sie beziehen sich auf das überwachte und unüberwachte Lernen sowie auf das Verstärkungslernen. Die Techniken kommen alle in abgestufter Form in den Wirtschaftswissenschaften zum Einsatz. Ein grundlegender Unterschied zwischen maschinellem Lernen und der Ökonometrie liegt in ihrer konzeptionellen Grundlage.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
Vgl. Mitchell (1997).
- 2.
Vgl. https://illustrated-machine-learning.github.io/. Die Website eröffnet mit Hilfe von prägnanten Illustrationen die konzeptionelle Welt des maschinellen Lernens.
- 3.
Vgl. Murphy (2022).
- 4.
Vgl. Athey und Imbens (2019).
- 5.
Vgl. Athey und Imbens (2017).
- 6.
Vgl. Mullainathan und Spiess (2017).
- 7.
Vgl. Tuan et al. (2023).
- 8.
Vgl. Atashbar und Shi (2022).
- 9.
Vgl. Atashbar und Shi (2022).
- 10.
Vgl. Atashbar und Shi (2022).
- 11.
Vgl. Atashbar und Shi (2022).
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2023 Der/die Autor(en), exklusiv lizenziert an Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Andrae, S. (2023). Grundlagen des maschinellen Lernens. In: Ökonometrie und maschinelles Lernen. essentials. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-41362-0_2
Download citation
DOI: https://doi.org/10.1007/978-3-658-41362-0_2
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-41361-3
Online ISBN: 978-3-658-41362-0
eBook Packages: Business and Economics (German Language)