Bitte verwenden Sie diesen Link, um diese Publikation zu zitieren, oder auf sie als Internetquelle zu verweisen: https://hdl.handle.net/10419/181088 
Erscheinungsjahr: 
2018
Quellenangabe: 
[Journal:] ifo Schnelldienst [ISSN:] 0018-974X [Volume:] 71 [Issue:] 07 [Publisher:] ifo Institut - Leibniz-Institut für Wirtschaftsforschung an der Universität München [Place:] München [Year:] 2018 [Pages:] 50-53
Verlag: 
ifo Institut - Leibniz-Institut für Wirtschaftsforschung an der Universität München, München
Zusammenfassung: 
In der empirischen Wirtschaftsforschung steigt die Anzahl der Publikationen, die mit Methoden des maschinellen Lernens arbeiten. Dennoch scheint eine gewisse Skepsis zu bestehen. Ein Kritikpunkt ist, dass sich maschinelles Lernen zwar für Vorhersagen eignet, aber keine kausalen Zusammenhänge identifizieren kann. In den vergangenen Jahren hat sich die Forschung jedoch verstärkt mit diesem Problem auseinandergesetzt, und es wurden zahlreiche Fortschritte erzielt. Maschinelles Lernen hat daher das Potenzial, in Zukunft in der Wirtschaftsforschung an Bedeutung zu gewinnen.
Schlagwörter: 
Wirtschaftsinformatik
Prognoseverfahren
Algorithmus
JEL: 
C10
Dokumentart: 
Article

Datei(en):
Datei
Größe





Publikationen in EconStor sind urheberrechtlich geschützt.