経済学とコンピューターサイエンスⅠ

機械学習の標準的な手法とその理論的基礎を講義し、経済学やビジネスにおける応用を学ぶ。
また、データ解析演習を通して、統計解析プログラミングと経済学のデータを用いて、経済学の問題への機械学習の応用を実践する。

MIMA Search

授業計画

1. 機械学習とその経済学への応用:概論 2. 統計的学習と統計解析プログラミングの基礎 3. 線形回帰 4. 分類 5. リサンプリング法:交差検証、ブートストラップ 6. 線形モデル選択と正則化回帰 7. 非線形回帰 8. 主成分分析 9. クラスタリング 10. 決定木 11. アンサンブル学習：バギング、ランダムフォレスト、ブースティング 12. ニューラルネットワーク (1) 13. ニューラルネットワーク (2) 講義内容は必要に応じて変更もしくは追加される可能性がある。

授業の方法

講義とパソコンを使ったデータ解析演習による。データ解析演習ではRまたはPythonを使う。

成績評価方法

2~3回の課題(20%程度)、期末レポート(35%程度)、期末テスト(45%程度)により評価する。

履修上の注意

統計学関連科目を履修済みであることが望ましい。講義に付随する演習としてRまたはPythonを用いたデータ解析を行うが、プログラミングの知識・経験は前提としない。 A1・2ターム開講科目「コンピュータサイエンスと経済学II」では、本講義で取り扱われない機械学習の手法と経済学への応用を紹介する。