PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2010.14694v4econ.EM공식 코드 · Papers with Code

개인 이질성을 위한 심층 학습

Deep Learning for Individual Heterogeneity

본 논문은 해석 가능성을 유지하면서 유연성을 높이고 풍부한 이질성을 포착하기 위해 심층 신경망(DNN)을 구조 모델(structural model)에 통합한다. 경제적(또는 과학적 또는 영역 제한) 구조와 기계 학습은 실증 모델링에서 대체물이 아니라 보완 관계이다. DNN은 복잡하고 비선형적인 이질성을 학습할 수 있는 역량을 제공하는 반면, 구조는 추정치가 해석 가능하고 의사결정 및 정책 분석에 적합하게 유지되도록 보장한다. 우리는 표준 모수 구조 모델에서 출발한 뒤 그 매개변수를 완전히 유연한 함수로 확장하고, 모델 구조가 내장된 DNN을 사용해 이를 추정한다. 소비자 선택에서의 수요 추정에 대한 적용으로 본 프레임워크를 설명한다. 수요 모델을 확장하면 풍부한 이질성을 포착하고 이를 활용해 개인화 가격 책정을 만들 수 있음을 보인다. 구조 없이는 최적화가 불가능하지만, 기계 학습 없이는 이질성을 반영할 수 없다. 동일한 교훈은 정밀 투약(precision dosing), 적응형 치료, 교육 평가, 및 기타 타깃팅 설정에도 적용된다. 제안 방법론에 대한 이론적 정당화를 제공한다. 비점근적 경계와 이중 기계 학습(double machine learning)을 통한 실행 가능한 추론을 위한 새롭고 일반적인 영향 함수(influence function)를 제시하여, 후자가 수많은 새로운 맥락에서 쉽게 적용될 수 있도록 한다. 이 결과는 선행 연구를 일반화하므로 다른 맥락에서도 관심을 가질 만하다.