计量周培训——AI使用与机器学习

【时间】2026年4月12日

【地点】智华经管楼340

【主题】AI使用与机器学习

【主讲人】徐承翰

机器学习（Machine Learning）是人工智能的一个子集，它是利用算法从海量数据中自动寻找规律、建立模型，并利用这些规律对未知情况进行预测或决策的科学。徐承翰同学从编程与机器学习关系、机器学习的模型参数与“调参优化”、模型拟合效果与评价指标这三个部分带领同学们打开机器学习的大门。

徐承翰同学讲述了机器学习和计量经济学的目的维度差异，将机器学习同计量学子的专业日常相连。使用机器学习这个载体，可以从不同角度验证问题，也能够帮助获取大量数据并将数据妥善处理。市场调查类比赛和数学建模类比赛中经常能看到机器学习的影子，我们学习这些知识为以后的学习积累了坚实的基础。

这一部分，徐承翰同学介绍了涵盖无监督学习（如K-means聚类、层次凝聚聚类、DBSCAN、LDA主题提取、PCA主成分分析）和有监督学习（如决策树、随机森林、XGBoost、K近邻算法、神经网络、CNN、RNN及Transformer架构）的常见模型。这一部分不仅详细讲解了各类模型的原理、适用场景和调参方法，还强调了模型拟合效果与泛化能力的评估标准，如训练集与测试集准确率差异、R方、损失函数曲线等，帮助我们能在实际应用中科学选择与使用模型。

  04

徐承翰同学推荐了TRAE这一agent软件，并系统化向大家讲解了python环境的配置，如何将trae与vscode结合，与stata等软件结合使用。详细说明了机器学习模型的部署流程并带领大家进行了一次随机森林模型分析的实操。

05

非常感谢徐承翰同学为大家带来的AI使用与机器学习的分享！本次文献计量分析培训干货满满！从机器学习定义、与传统编程的区别、与计量范式的对比，到无监督与有监督各类模型的原理与评估，再到以Trae工具为例的轻量化部署流程和实操建议，本次培训为计量人提供了从理论到代码实现的全流程指南。小量叽相信大家在这次的培训分享中受益匪浅，让我们一起期待下一次计量周的精彩内容！