发帖
雷达卡
“机器学习”（Machine Learning）无疑越来越多地出现于媒体与我们身边。机器学习究竟是什么？对于经管或社科类的学者或学生，一个重要的问题是，“我应该学机器学习吗”？换言之，不掌握机器学习的机会成本是什么？本文就以问答的形式来回答这些问题。
Q：什么是机器学习？
A：简单说，机器学习就是让机器（计算机）具备从数据中自主学习的能力。它的反面就是“硬编码”（hard coding）。假设你想写一个程序，让计算机识别正常邮件与垃圾邮件。硬编码的方法就是，由人类写下判别垃圾邮件的规则，再告诉计算机。此时，计算机并不学习，只是严格执行人类的死板分类规则。可以想象，硬编码的效果不会太好，因为人类虽可直观判定垃圾邮件，但并不知道自己是怎么做到的。
反之，机器学习的方法则给予计算机大量的邮件，经过人类事先标注为垃圾邮件或正常邮件，然后让计算机找出这两类邮件的差异规律（比如不同词的词频差异），并用学到的规律（其实就是一个函数映射，即从词频到邮件类别的映射）对新邮件进行分类。
Q：机器学习与统计学或计量经济学的主要区别是什么？
A：机器学习、统计学或计量经济学都想估计出一个从 （向量）
到 
的函数映射，即 
。主要区别在于，统计学与计量经济学一般更关注参数估计量 
，因为它通常可用来解释 对 的影响（比如，对于线性回归模型， 就是边际效应）。另一方面，机器学习主要关注 
，其成功标准一般用预测的准确率来衡量。比如，在使用计算机识别手写体数字时，一般只关心算法的准确率，并不在乎究竟是哪些像素导致了计算机将图像归类为“5”而不是“6”。
Q：为什么机器学习这么“火”？
A：由于机器学习专注于预测，故在业界有很多应用。特别是最近二、三十年来，机器学习（包括深度学习）发展很快，预测错误率不断下降（特别在图像识别，自然语言处理领域）。对于很多问题，机器学习的预测错误率可能比传统的统计或计量方法低一个数量级，比如前者的错误率为1%，而后者的错误率为10%。原因之一是，传统的统计或计量经济学十分强调模型的可解释性（interpretability），故大量使用线性模型，而现实世界一般为非线性。
Q：既然机器学习的优势在于预测，而我作为经管或社科类的学者，只关心因果推断，有必要学机器学习吗？
A：事实上，因果推断的本质也是预测问题。根据鲁宾的因果模型（Rubin's Causal Model），因果效应通过“潜在结果”（potential outcome）来定义，即政策实施后的“观测结果”（observed outcome）与政策如果未实施的“反事实结果”（counterfactual outcome）之差。显然，反事实结果不可观测，故只能在一定假设之下进行估计与预测。
Q：目前机器学习在计量经济学中有哪些应用？未来的发展趋势如何？
A：迄今为止（尤其是最近十年），机器学习已经在计量经济学中掀起了两波应用的浪潮。第一波浪潮为MIT的Chernozhukov教授等将Lasso系列的惩罚回归（penalized regression）方法引入计量经济学，提出了post double selection lasso，IV lasso，double machine learning等适用于因果推断的机器学习方法。
第二波浪潮为Stanford的Susan Athey教授等将基于决策树（tree-based）的机器学习方法引入计量经济学，提出了causal tree，causal forest，local linear forest与generalized random forest等方法（不少论文刚发表或仍为工作论文）。
在可预见的将来，机器学习方法将加速融入计量经济学，成为计量经济学的重要组成部分，尤其在非参数与半参数估计领域。这是因为，传统统计与计量的非参方法主要为基于核（kernel）的局部回归（local regression），很难推广到高维（因为存在维度灾难，curse of dimensionality），而机器学习方法（比如基于决策树的随机森林、梯度提升法等）在高维空间依然适用，而且预测准确率更高。
Q：作为经管或社科类的学者或学生，我应该学机器学习吗？
A：在几年前，如果你知道Lasso，说明你是先进的；但现在已经很难这么说了。再过几年，如果你还不知道Lasso，则可能说明你是落后的，因为关于Lasso的知识正在加速普及。
类似地，如果你现在就知道随机森林（random forest），说明你是先进的；……。在科研的道路上，抢占先机无疑十分重要。你的选择决定了你究竟是先知先觉，还是后知后觉……这就是不掌握机器学习的机会成本。
Q：我是文科生，能学会机器学习吗？
A：如果你学过统计学或计量经济学，应该很容易上手机器学习。在某种意义上，机器学习比计量经济学更简单。机器学习主要关心“算法”（algorithm），所用数学基本上就是最优化（optimization），并不使用统计学或计量经济学那些复杂的渐近理论（asymptotics）。而且有些传统的统计与计量方法，本身也是机器学习的常用方法，比如OLS、Logit、多项Logit等，这些你本来就会啊。
结语：这是一个令人激动的时代。人工智能与机器学习正在深刻地改变着几乎每个行业与学科（包括计量经济学），而机器学习无疑正是未来世界的一块重要柱石。
参考文献
陈强，《计量经济学及Stata应用》，高等教育出版社，2015年（配套教学视频，可在网易云课堂学习，详见https://study.163.com/course/introduction/1006076251.htm）
陈强，《高级计量经济学及Stata应用》，第2版，高等教育出版社，2014年（配套高级计量六天现场班，北京，2019年10月1-6日，详见https://bbs.pinggu.org/thread-3156565-1-1.html）
陈强，《机器学习及R应用》，高等教育出版社，2020年（即将出版）
高级计量经济学与Stata现场班（含机器学习与高维回归，北京，十一）
本文为山东大学陈强教授原创，摘自陈强老师微信公众号“econometrics-stata”，转载请注明作者与出处。
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
