我可以使用TensorFlow进行计量经济学建模吗？

Question

自发布以来，我一直对TensorFlow感兴趣。我是应用大量数据集的应用金融计量经济学家。我想知道我是否可以在TensorFlow之上构建计量经济模型。那是可行的吗？有哪些优点和缺点？

我对构建并行和分布式解决方案特别感兴趣。我非常希望从机器学习社区学到如何大规模运行模型。我非常感谢您的意见和建议！谢谢。

Answer 1

如果还没有人在世界各地尝试过这种情况，我会感到非常惊讶。但这可能是他们的秘密酱所以他们不会发布，直到他们准备好，如果有的话。

这是完全可行的，但缺点是没有任何工具可以“开箱即用”。这是处于最前沿的一个问题。

优点是TensorFlow有点像“深度学习的汇编代码”，所以它就是“在那里”。而且你处于最前沿。

简短的回答是，如果你不擅长软件开发，那么在这个阶段对你来说将是非常困难的。在这个阶段，有很多机器开发框架构建在 on 的tensorflow上，它们正在合并。 我使用了 tf-slim ，但我的团队中的其他人喜欢 Keras 。 （这可能是我的下一次冒险！）

Answer 2

这取决于您要做什么。

1）传统的计量经济学对统计推断的兴趣要大于对预测的兴趣。张量流的重点是预测（分类和回归）。 Python中还有其他不错的库，您可以专注于常见的计量经济学问题。 StatsModels就是其中之一。

2）但是，如果您对预测感兴趣，则可以选择。但是，我不会开始使用该库。我将尝试sklearn提供的“工业”非线性模型。在这里，您可以找到可以在几分钟内建立的模型，并且可以（至少）使用它们来获得有关机器学习的直观信息（权衡偏差方差，交叉验证，测试集，验证等）。 。神经网络模型很难解决现实世界中的严重问题。

3）在tensorflow之前，您还可以尝试Keras，它是tensorflow的遮罩，您可以在其中构建许多有趣的神经网络模型并解决有趣的问题。

4）张量流的焦点在深度神经网络中。这正是您应该考虑使用的情况。使用tensorflow可以真正解决现实世界中的问题，但是为此，您需要在过程中获得很多直觉。