典型文献
机器学习在GDP预测中的应用研究述评
文献摘要：
[目的/意义]随着机器学习算法研究的不断突破,在GDP预测领域中的应用也日益广泛.系统梳理该领域的相关议题,有助于学术研究的纵深发展.[方法/过程]运用文献分析法对公开发表的学术成果进行归纳,梳理机器学习在GDP预测领域研究的进展与脉络.[结果/结论]现有研究逐渐将原本以灰色预测模型、因子模型、传统时间序列和动态因子模型为主的短期预测功能扩展为以神经网络为核心,支持向量机、贝叶斯算法为补充的长期预测功能.同时,各种研究通过对原有参数进行优化、将模型进行对比、利用不同模型进行组合预测等方式来提高预测精度.机器学习与GDP预测的结合,也使建模思想从线性转向非线性,从关注模型参数优化转向与其他方法相结合.除此之外,算法改进与模型运用的多样性、不同模型之间的多维度比较,仍然是该领域的重点和难点.未来研究可以尝试在深入对比各模型的基础上实现更加有效的组合,或挖掘仍未被使用的模型的潜在预测能力.
文献关键词：
机器学习;GDP预测;神经网络;综述;对比分析
中图分类号：
作者姓名：
马静雯;李树青;夏梦瑶
作者机构：
南京财经大学会计学院,南京 210023;南京财经大学信息工程学院,南京 210023
文献出处：
引用格式：
[1]马静雯;李树青;夏梦瑶-.机器学习在GDP预测中的应用研究述评)[J].科技情报研究,2022(03):73-94
A类：
B类：
研究述评,机器学习算法,算法研究,益广,理该,纵深发展,文献分析法,学术成果,梳理机,灰色预测模型,传统时间,动态因子模型,短期预测,预测功能,功能扩展,贝叶斯算法,长期预测,组合预测,建模思想,其他方法,除此之外,算法改进,重点和难点,预测能力
AB值：
0.362286
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
