Please use this identifier to cite or link to this item: https://hdl.handle.net/10419/181088 
Year of Publication: 
2018
Citation: 
[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
Publisher: 
ifo Institut - Leibniz-Institut für Wirtschaftsforschung an der Universität München, München
Abstract: 
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.
Subjects: 
Wirtschaftsinformatik
Prognoseverfahren
Algorithmus
JEL: 
C10
Document Type: 
Article

Files in This Item:
File
Size





Items in EconStor are protected by copyright, with all rights reserved, unless otherwise indicated.