MODELOS ECONOMETRICOS CON HERRAMIENTAS DE MACHINE LEARNING. EJEMPLOS CON PYTHON Y SCIKIT LEARN

Por (autor)

La econometría es una ciencia que ha sido empleada de manera convencional para representar relaciones entre variables económicas o de otra naturaleza y realizar predicciones, y su enfoque ha sido la validación de modelos que parten de asumir que los datos provienen de modelos estocásticos. Por otro lado, existen técnicas modernas de Machine Learning que emplean modelos a través de algoritmos que permiten realizar predicciones a partir de los datos, y que…

Última actualización el 02-10-2026 a las 21:59 | Enlaces de afiliados | Imágenes de la API para Afiliados

Precios Amazon


Para que puedas ver el contenido actual vamos a proceder a redirigirte a la página original. Por favor pulsa en el botón si deseas Permanecer en esta página.

Permanecer
La econometría es una ciencia que ha sido empleada de manera convencional para representar relaciones entre variables económicas o de otra naturaleza y realizar predicciones, y su enfoque ha sido la validación de modelos que parten de asumir que los datos provienen de modelos estocásticos. Por otro lado, existen técnicas modernas de Machine Learning que emplean modelos a través de algoritmos que permiten realizar predicciones a partir de los datos, y que no se centran tanto en analizar los modelos sino la precisión de sus predicciones. El objetivo del aprendizaje automático supervisado es construir un modelo que haga predicciones basadas en evidencia en presencia de incertidumbre. Un algoritmo de aprendizaje supervisado toma un conjunto conocido de datos de entrada y respuestas conocidas a los datos (salida) y entrena un modelo para generar predicciones razonables para la respuesta a nuevos datos. El aprendizaje supervisado utiliza técnicas econométricas para desarrollar modelos predictivos. Este libro desarrolla la econometría desde la óptica de las técnicas de Machine Learning. Para ello, se utiliza la librería Scikit Learn de Python.
Longitud de impresión: 325 páginas
Idioma: Español
Fecha de publicación: 29 diciembre 2022
Dimensiones: 21.01 x 1.88 x 29.69 cm
ISBN-10: 1470925303
ISBN-13: 978-1470925307

También te puede interesar