< Terug naar vorige pagina

Project

Machine learning gebruiken voor analyse van opgegeven voorkeuren

Discrete keuze-experimenten worden in veel domeinen (bijv. Transport, gezondheidseconomie, marketing, milieueconomie) gebruikt om te evalueren hoe productkenmerken de voorkeur van de consument beïnvloeden. Traditioneel worden gegevens gemodelleerd met behulp van (uitbreidingen van) het multinomiale logit-model. Onderzoekers zijn echter recentelijk technieken op het gebied van machine learning gaan gebruiken om gegevens van discrete keuze-experimenten te analyseren. Dit project heeft tot doel bij te dragen aan deze literatuurstroom door de prestaties van traditionele keuzemodellen en machine learning-technieken (artificial neural networks, support vector machines, random forest,) te vergelijken voor voorspelling en inferentie in vermelde keuzeanalyses.

Datum:4 okt 2019  →  Heden
Trefwoorden:Statistics, Machine Learning, Discrete Choice Analysis
Disciplines:Dataverzameling en data estimation methodologie, computerprogramma's, Econometrische modellering, Machine learning en besluitvorming
Project type:PhD project