機器學習和旅行選擇

4 月 16 日下週一下午 30:XNUMX，UCLM 的 ESI 教授 José Ángel Martín Baos 將在該計畫中舉辦線上研討會“機器學習需要數學最佳化“（https://congreso.us.es/mlneedsmo/）由 Emilio Carrizosa（IMUS – 塞維利亞大學數學研究所）和 Dolores Romero Morales（CBS – 哥本哈根商學院）組織。會議將透過連結在線直播 https://eu.bbcollab.com/guest/f36b823fbfc74849848d66808d8db459

會議的標題是“機器學習方法能否有效模擬出行方式選擇？超越預測性能」。它將討論如何使用機器學習模型來預測出行模式的選擇，強調預測性能之外的因素的重要性，例如可解釋性、計算複雜性和效率。透過對各種模型在多個方面的系統比較，解決了先前研究的局限性，表明文獻中具有最佳預測性能的模型（例如梯度提升和隨機森林）往往對行為指標和總體市場份額的估計較差。 ，與深度神經網路和多項 Logit (MNL) 模型等替代模型相比。