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().