极端不确定性下的经济选择建模：机器学习方法

安东·格鲁诺夫

MPRA纸从德国慕尼黑大学图书馆

摘要：本文利用实验室实验中获得的关于不确定性下消费者选择的新数据，以获得个人决策的实质性知识，并测试最佳建模策略。我们比较了逻辑回归、判别分析、朴素贝叶斯分类器、神经网络、决策树和随机森林（RF）的性能，发现RF模型具有最高的分类精度。该模型还表明，除了人口和情境因素外，消费者的选择高度依赖于社会网络效应。

关键词： 选择;决策;社交网络;机器学习（在EconPapers中搜索类似项目）
JEL代码： 第12天 D81型（在EconPapers中搜索类似项目）
日期：2016-01
新经济学论文：此项目包含在棉结cmp,nep-dcm公司和棉结
参考文献： 查看EconPapers中的参考 从CitEc查看完整的参考列表
引文： 查看EconPapers中的引文(2)

下载内容：（外部链接）
https://mpra.ub.uni-muenchen.de/69199/1/mpra_paper_69199.pdf原始版本（application/pdf）

相关工作：
该项目可在EconPapers的其他地方获得：搜索对于具有相同标题的项目。

导出参考： BibTeX公司 RIS公司（尾注、ProCite、RefMan）HTML/文本

永久链接： https://EconPapers.repec.org/repec:pra:mprapa:69199

访问统计信息用于本文

更多论文MPRA纸张德国慕尼黑大学图书馆德国慕尼黑D-80539路德维希特拉33号。联系方式：EDIRC公司.
Joachim Winter维护的系列书目数据().