查看原文>>>基于R語言機(jī)器學(xué)習(xí)方法在生態(tài)經(jīng)濟(jì)學(xué)領(lǐng)域中的實(shí)踐技術(shù)

近年來，人工智能領(lǐng)域已經(jīng)取得突破性進(jìn)展，對經(jīng)濟(jì)社會各個領(lǐng)域都產(chǎn)生了重大影響，結(jié)合了統(tǒng)計學(xué)、數(shù)據(jù)科學(xué)和計算機(jī)科學(xué)的機(jī)器學(xué)習(xí)是人工智能的主流方向之一，目前也在飛快的融入計量經(jīng)濟(jì)學(xué)研究。表面上機(jī)器學(xué)習(xí)通常使用大數(shù)據(jù)，而計量經(jīng)濟(jì)學(xué)則通常使用較小樣本，但這種區(qū)別日漸模糊，機(jī)器學(xué)習(xí)在經(jīng)濟(jì)學(xué)領(lǐng)域、特別是經(jīng)濟(jì)學(xué)與其它學(xué)科的交叉領(lǐng)域表現(xiàn)日益突出。R語言是用于統(tǒng)計建模的主流計算機(jī)語言，用于機(jī)器學(xué)習(xí)十分方便，且學(xué)習(xí)曲線相比于Python更加平滑，因此是進(jìn)行機(jī)器學(xué)習(xí)的首選之一。本內(nèi)容從論文寫作的實(shí)際需求出發(fā)，首先簡單的介紹經(jīng)濟(jì)學(xué)的基本理論與研究方法，讓您了解論文的選題方法與寫作框架。隨后重點(diǎn)從數(shù)據(jù)的收集與清洗、綜合建模評價、數(shù)據(jù)的分析與可視化、數(shù)據(jù)的空間效應(yīng)、因果推斷等方面入手，讓您用最快的速度掌握利用R語言進(jìn)行經(jīng)濟(jì)學(xué)研究的技術(shù)。同時也會對論文寫作中經(jīng)常用到的輔助軟件進(jìn)行介紹，盡量降低論文寫作的難度。

【內(nèi)容簡述】：

專題一、理論基礎(chǔ)與軟件介紹

1.1 經(jīng)濟(jì)學(xué)基礎(chǔ)原理

主要內(nèi)容：

經(jīng)濟(jì)學(xué)思考范式，資源配置，效率與公平（古典經(jīng)濟(jì)學(xué)領(lǐng)域）。

格里高利·曼昆，通俗的講述了十大經(jīng)濟(jì)學(xué)原理

例如，大衛(wèi)·李嘉圖的比較優(yōu)勢的原理。

例如，機(jī)會與成本。正U型定價曲線，MC（邊際成本）ACT（平均總成本）

理性人假設(shè)，市場調(diào)節(jié)可能是最優(yōu)解。

丹·艾瑞里 《怪誕行為學(xué)》 錨定效應(yīng)

1.2 概率統(tǒng)計的基本思想

1.2.1 概率統(tǒng)計的常見概念

概率的誕生，奶茶問題。

正態(tài)分布。

P值

1.2.2 評價（單指標(biāo)評價與復(fù)合指標(biāo)評價）

單指標(biāo)評價:例如GDP

復(fù)合指數(shù)評價

指標(biāo)體系評價

1.2.3 因果推斷

概念產(chǎn)生：因果推斷(Causal Inference)是根據(jù)某一結(jié)果發(fā)生的條件對因果關(guān)系作出刻畫的過程，推斷因果關(guān)系的最有效方法是進(jìn)行隨機(jī)對照試驗，但這種方式耗時且昂貴、也無法解釋和刻畫個體差異；因此考慮從觀察數(shù)據(jù)中進(jìn)行因果推斷，這類框架包括潛在結(jié)果框架和結(jié)構(gòu)因果模型，下文對結(jié)構(gòu)因果模型的因果推理方法進(jìn)行綜述。

證據(jù)等級，單個案例，多個案例，隨機(jī)對照實(shí)驗，循證，機(jī)理機(jī)制分析

1.3 機(jī)器學(xué)習(xí)用于評價和因果推斷（算法介紹）

1.3.1KNN和Kmeans

KNN（K- Nearest Neighbor）法即K最鄰近法，最初由 Cover和Hart于1968年提出，是一個理論上比較成熟的方法，也是最簡單的機(jī)器學(xué)習(xí)算法之一。該方法的思路非常簡單直觀：如果一個樣本在特征空間中的K個最相似（即特征空間中最鄰近）的樣本中的大多數(shù)屬于某一個類別，則該樣本也屬于這個類別。該方法在定類決策上只依據(jù)最鄰近的一個或者幾個樣本的類別來決定待分樣本所屬的類別。

Kmeans

1.3.2德爾菲和AHP

德爾菲是Delphi的中文譯名。美國蘭德公司在20世紀(jì)50年代與道格拉斯公司合作研究出有效、可靠地收集專家意見的方法，以“Delphi”命名，之后，該方法廣泛地應(yīng)用于商業(yè)、軍事、教育、衛(wèi)生保健等領(lǐng)域。德爾菲法在醫(yī)學(xué)中的應(yīng)用，最早開始于對護(hù)理工作的研究，并且在使用過程中顯示了它的優(yōu)越性和適用性，受到了越來越多研究者的青睞。

AHP（Analytic Hierarchy Process）層次分析法是美國運(yùn)籌學(xué)家T. L. Saaty教授于二十世紀(jì)70年代提出的一種實(shí)用的多方案或多目標(biāo)的決策方法，是一種定性與定量相結(jié)合的決策分析方法。常被運(yùn)用于多目標(biāo)、多準(zhǔn)則、多要素、多層次的非結(jié)構(gòu)化的復(fù)雜決策問題，特別是戰(zhàn)略決策問題，具有十分廣泛的實(shí)用性。

1.3.3熵權(quán)法

TOPSIS-熵權(quán)法

熵權(quán)法是一種基于數(shù)據(jù)信息熵大小計算各個指標(biāo)權(quán)重的方法，能很好的對多指標(biāo)目標(biāo)進(jìn)行綜合評價。TOPSIS法能進(jìn)一步優(yōu)化熵權(quán)法的結(jié)果，使評價結(jié)果更加客觀合理[23~25]。

第一步，對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理：

理想接近度的值在[0-1]之間，其值越大，就代表該區(qū)域的畜牧業(yè)發(fā)展水平越高，反之則是該區(qū)域的畜牧業(yè)發(fā)展水平越低。

1.3.4隨機(jī)森林算法

機(jī)器學(xué)習(xí)中有一種大類叫集成學(xué)習(xí)（Ensemble Learning），集成學(xué)習(xí)的基本思想就是將多個分類器組合，從而實(shí)現(xiàn)一個預(yù)測效果更好的集成分類器。集成算法可以說從一方面驗證了中國的一句老話：三個臭皮匠，賽過諸葛亮。

1.3.4神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)分為兩個階段：一是多層前饋階段，從輸入層一次計算各層節(jié)點(diǎn)的實(shí)際輸入、輸出；二是反向修正階段，即根據(jù)輸出誤差，沿路反向修正各連接權(quán)重，降低誤差[27]。

1.4 常用軟件介紹

Excel，R，Stata，Photoshop，Arcgis，SPSS，Geoda，Python，Notexpress，Endnote

專題二、數(shù)據(jù)的獲取與整理

2.1數(shù)據(jù)類型的介紹

定量數(shù)據(jù)，定類數(shù)據(jù)，

截面數(shù)據(jù)，時間序列數(shù)據(jù)，面板數(shù)據(jù)

2.2數(shù)據(jù)的獲取

論文，統(tǒng)計局，年鑒，相關(guān)網(wǎng)站，購買

https://www.ceads.net.cn/

統(tǒng)計年鑒

論文標(biāo)注

2.3數(shù)據(jù)的整理

常見的格式轉(zhuǎn)換，缺失值的填補(bǔ)

專題三、常用評價方法與相關(guān)軟件詳細(xì)教學(xué)（案例詳解）

3.1農(nóng)業(yè)碳排放計算

3.2能源消費(fèi)碳排放計算

3.3綜合評價方法

公式的輸入以及熵權(quán)法的實(shí)際操作

https://gongshi.wang/

3.4數(shù)據(jù)分析與數(shù)據(jù)可視化

常用數(shù)據(jù)可視化方法介紹

箱線圖，柱狀圖，折線圖，地理圖形等

地理學(xué)三大定律與空間自相關(guān)分析

3.5隨機(jī)森林回歸建模

3.5.1模型構(gòu)建與相關(guān)參數(shù)的優(yōu)化

3.5.2模型的效果評估

3.5.3模型的結(jié)果分析

3.5.4驅(qū)動因素與機(jī)制機(jī)理分析（歸因分析，驅(qū)動機(jī)制）

3.6神經(jīng)網(wǎng)絡(luò)回歸建模

內(nèi)容同上。

與其它模型效果對比

專題四、寫作要點(diǎn)與案例的講解

4.1整體寫作要點(diǎn)

4.1.1好的開始是成功的一半（引言）

文章的選題來源

4.1.2文獻(xiàn)綜述的寫法

4.1.3研究方法的選擇與公式的編輯

4.1.4數(shù)據(jù)分析與可視化（分析）

4.1.5兩種討論方式的寫法（討論）

4.1.6結(jié)論與摘要的寫法

4.1.7心態(tài)建設(shè)以及期刊選擇與投稿

4.2案例講解

4.2.1兩種常見類型論文的介紹

實(shí)驗類型的文章介紹

模型計算類文章介紹

4.2.2案例

2000—2020年山西省農(nóng)業(yè)碳排放時空特征及趨勢預(yù)測

基于機(jī)器學(xué)習(xí)算法的新疆農(nóng)業(yè)碳排放評估及驅(qū)動因素分析

西北地區(qū)碳排放的驅(qū)動因素與脫鉤效應(yīng)研究

中國農(nóng)業(yè)高質(zhì)量發(fā)展的地區(qū)差異及分布動態(tài)演進(jìn)

注：請?zhí)崆白孕信渲密浖吧险n環(huán)境。

其它相關(guān)推薦：

基于Citespace和vosviewer文獻(xiàn)計量學(xué)可視化SCI論文高效寫作方法

【高分論文密碼】大尺度空間模擬預(yù)測與數(shù)字制圖技術(shù)

Python 數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)實(shí)踐技術(shù)應(yīng)用

R語言結(jié)構(gòu)方程模型（SEM）在生態(tài)學(xué)領(lǐng)域中的實(shí)踐應(yīng)用

R-Meta分析與【文獻(xiàn)計量分析、貝葉斯、機(jī)器學(xué)習(xí)等】多技術(shù)融合實(shí)踐與拓展進(jìn)階

農(nóng)林生環(huán)、水文、海洋、水環(huán)境、大氣科學(xué)、人工智能、碳中和、碳排放、3S、R與統(tǒng)計等軟件模型文章來源地址http://www.zghlxwxcb.cn/news/detail-497079.html

到了這里，關(guān)于【生態(tài)經(jīng)濟(jì)學(xué)】R語言機(jī)器學(xué)習(xí)方法在生態(tài)經(jīng)濟(jì)學(xué)領(lǐng)域中的實(shí)踐技術(shù)的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！