GlobalSearchRegression.jl: Building bridges between Machine Learning and Econometrics in Fat-Data scenarios
- Autores
- Panigo, Demian Tupac; Gluzmann, Pablo Alfredo; Mocskos, Esteban Eduardo; Mauri Ungaro, Adán; Mari, Valentin; Monzon, Nicolás
- Año de publicación
- 2020
- Idioma
- inglés
- Tipo de recurso
- artículo
- Estado
- versión publicada
- Descripción
- The aim of this paper is twofold. The first one is to describe a novel research-project designed for building bridges between machine learning and econometric worlds (ModelSelection.jl).The second one is to introduce the main characteristics and comparative performance of the first Julia-native all-subset regression algorithm included in GlobalSearchRegression.jl (v1.0.5). As other available alternatives, this algorithm allows researchers to obtain the best model specification among all possible covariate combinations - in terms of user defined information criteria-, but up to 3165 and 197 times faster than STATA and R alternatives, respectively.
Fil: Panigo, Demian Tupac. Universidad Nacional de la Plata. Facultad de Ingenieria. Instituto Malvinas.; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Saavedra 15. Centro de Innovación de los Trabajadores. Universidad Metropolitana para la Educación y el Trabajo. Centro de Innovación de los Trabajadores; Argentina
Fil: Gluzmann, Pablo Alfredo. Universidad Nacional de La Plata. Facultad de Ciencias Económicas. Departamento de Ciencias Económicas. Centro de Estudios Distributivos Laborales y Sociales; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - La Plata; Argentina
Fil: Mocskos, Esteban Eduardo. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Departamento de Computación; Argentina
Fil: Mauri Ungaro, Adán. Universidad Nacional de La Plata; Argentina
Fil: Mari, Valentin. Universidad Nacional de La Plata; Argentina
Fil: Monzon, Nicolás. Universidad Nacional de La Plata; Argentina. Universidad Nacional de Avellaneda; Argentina - Materia
-
PARALLEL COMPUTING
ECONOMETRICS
MACHINE LEARNING
FAT-DATA - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- https://creativecommons.org/licenses/by/2.5/ar/
- Repositorio
- Institución
- Consejo Nacional de Investigaciones Científicas y Técnicas
- OAI Identificador
- oai:ri.conicet.gov.ar:11336/211320
Ver los metadatos del registro completo
id |
CONICETDig_77b9f7c6c7b3f5d195f9bbc7f1fa3770 |
---|---|
oai_identifier_str |
oai:ri.conicet.gov.ar:11336/211320 |
network_acronym_str |
CONICETDig |
repository_id_str |
3498 |
network_name_str |
CONICET Digital (CONICET) |
spelling |
GlobalSearchRegression.jl: Building bridges between Machine Learning and Econometrics in Fat-Data scenariosPanigo, Demian TupacGluzmann, Pablo AlfredoMocskos, Esteban EduardoMauri Ungaro, AdánMari, ValentinMonzon, NicolásPARALLEL COMPUTINGECONOMETRICSMACHINE LEARNINGFAT-DATAhttps://purl.org/becyt/ford/5.2https://purl.org/becyt/ford/5The aim of this paper is twofold. The first one is to describe a novel research-project designed for building bridges between machine learning and econometric worlds (ModelSelection.jl).The second one is to introduce the main characteristics and comparative performance of the first Julia-native all-subset regression algorithm included in GlobalSearchRegression.jl (v1.0.5). As other available alternatives, this algorithm allows researchers to obtain the best model specification among all possible covariate combinations - in terms of user defined information criteria-, but up to 3165 and 197 times faster than STATA and R alternatives, respectively.Fil: Panigo, Demian Tupac. Universidad Nacional de la Plata. Facultad de Ingenieria. Instituto Malvinas.; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Saavedra 15. Centro de Innovación de los Trabajadores. Universidad Metropolitana para la Educación y el Trabajo. Centro de Innovación de los Trabajadores; ArgentinaFil: Gluzmann, Pablo Alfredo. Universidad Nacional de La Plata. Facultad de Ciencias Económicas. Departamento de Ciencias Económicas. Centro de Estudios Distributivos Laborales y Sociales; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - La Plata; ArgentinaFil: Mocskos, Esteban Eduardo. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Departamento de Computación; ArgentinaFil: Mauri Ungaro, Adán. Universidad Nacional de La Plata; ArgentinaFil: Mari, Valentin. Universidad Nacional de La Plata; ArgentinaFil: Monzon, Nicolás. Universidad Nacional de La Plata; Argentina. Universidad Nacional de Avellaneda; ArgentinaJuliacon2020-06info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/211320Panigo, Demian Tupac; Gluzmann, Pablo Alfredo; Mocskos, Esteban Eduardo; Mauri Ungaro, Adán; Mari, Valentin; et al.; GlobalSearchRegression.jl: Building bridges between Machine Learning and Econometrics in Fat-Data scenarios; Juliacon; Proceedings of the JuliaCon Conferences; 2; 53; 6-2020; 1-62642-4029CONICET DigitalCONICETenginfo:eu-repo/semantics/altIdentifier/doi/10.21105/jcon.00053info:eu-repo/semantics/altIdentifier/url/https://proceedings.juliacon.org/papers/10.21105/jcon.00053info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-03T10:04:11Zoai:ri.conicet.gov.ar:11336/211320instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-03 10:04:11.881CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse |
dc.title.none.fl_str_mv |
GlobalSearchRegression.jl: Building bridges between Machine Learning and Econometrics in Fat-Data scenarios |
title |
GlobalSearchRegression.jl: Building bridges between Machine Learning and Econometrics in Fat-Data scenarios |
spellingShingle |
GlobalSearchRegression.jl: Building bridges between Machine Learning and Econometrics in Fat-Data scenarios Panigo, Demian Tupac PARALLEL COMPUTING ECONOMETRICS MACHINE LEARNING FAT-DATA |
title_short |
GlobalSearchRegression.jl: Building bridges between Machine Learning and Econometrics in Fat-Data scenarios |
title_full |
GlobalSearchRegression.jl: Building bridges between Machine Learning and Econometrics in Fat-Data scenarios |
title_fullStr |
GlobalSearchRegression.jl: Building bridges between Machine Learning and Econometrics in Fat-Data scenarios |
title_full_unstemmed |
GlobalSearchRegression.jl: Building bridges between Machine Learning and Econometrics in Fat-Data scenarios |
title_sort |
GlobalSearchRegression.jl: Building bridges between Machine Learning and Econometrics in Fat-Data scenarios |
dc.creator.none.fl_str_mv |
Panigo, Demian Tupac Gluzmann, Pablo Alfredo Mocskos, Esteban Eduardo Mauri Ungaro, Adán Mari, Valentin Monzon, Nicolás |
author |
Panigo, Demian Tupac |
author_facet |
Panigo, Demian Tupac Gluzmann, Pablo Alfredo Mocskos, Esteban Eduardo Mauri Ungaro, Adán Mari, Valentin Monzon, Nicolás |
author_role |
author |
author2 |
Gluzmann, Pablo Alfredo Mocskos, Esteban Eduardo Mauri Ungaro, Adán Mari, Valentin Monzon, Nicolás |
author2_role |
author author author author author |
dc.subject.none.fl_str_mv |
PARALLEL COMPUTING ECONOMETRICS MACHINE LEARNING FAT-DATA |
topic |
PARALLEL COMPUTING ECONOMETRICS MACHINE LEARNING FAT-DATA |
purl_subject.fl_str_mv |
https://purl.org/becyt/ford/5.2 https://purl.org/becyt/ford/5 |
dc.description.none.fl_txt_mv |
The aim of this paper is twofold. The first one is to describe a novel research-project designed for building bridges between machine learning and econometric worlds (ModelSelection.jl).The second one is to introduce the main characteristics and comparative performance of the first Julia-native all-subset regression algorithm included in GlobalSearchRegression.jl (v1.0.5). As other available alternatives, this algorithm allows researchers to obtain the best model specification among all possible covariate combinations - in terms of user defined information criteria-, but up to 3165 and 197 times faster than STATA and R alternatives, respectively. Fil: Panigo, Demian Tupac. Universidad Nacional de la Plata. Facultad de Ingenieria. Instituto Malvinas.; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Saavedra 15. Centro de Innovación de los Trabajadores. Universidad Metropolitana para la Educación y el Trabajo. Centro de Innovación de los Trabajadores; Argentina Fil: Gluzmann, Pablo Alfredo. Universidad Nacional de La Plata. Facultad de Ciencias Económicas. Departamento de Ciencias Económicas. Centro de Estudios Distributivos Laborales y Sociales; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - La Plata; Argentina Fil: Mocskos, Esteban Eduardo. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Departamento de Computación; Argentina Fil: Mauri Ungaro, Adán. Universidad Nacional de La Plata; Argentina Fil: Mari, Valentin. Universidad Nacional de La Plata; Argentina Fil: Monzon, Nicolás. Universidad Nacional de La Plata; Argentina. Universidad Nacional de Avellaneda; Argentina |
description |
The aim of this paper is twofold. The first one is to describe a novel research-project designed for building bridges between machine learning and econometric worlds (ModelSelection.jl).The second one is to introduce the main characteristics and comparative performance of the first Julia-native all-subset regression algorithm included in GlobalSearchRegression.jl (v1.0.5). As other available alternatives, this algorithm allows researchers to obtain the best model specification among all possible covariate combinations - in terms of user defined information criteria-, but up to 3165 and 197 times faster than STATA and R alternatives, respectively. |
publishDate |
2020 |
dc.date.none.fl_str_mv |
2020-06 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_6501 info:ar-repo/semantics/articulo |
format |
article |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://hdl.handle.net/11336/211320 Panigo, Demian Tupac; Gluzmann, Pablo Alfredo; Mocskos, Esteban Eduardo; Mauri Ungaro, Adán; Mari, Valentin; et al.; GlobalSearchRegression.jl: Building bridges between Machine Learning and Econometrics in Fat-Data scenarios; Juliacon; Proceedings of the JuliaCon Conferences; 2; 53; 6-2020; 1-6 2642-4029 CONICET Digital CONICET |
url |
http://hdl.handle.net/11336/211320 |
identifier_str_mv |
Panigo, Demian Tupac; Gluzmann, Pablo Alfredo; Mocskos, Esteban Eduardo; Mauri Ungaro, Adán; Mari, Valentin; et al.; GlobalSearchRegression.jl: Building bridges between Machine Learning and Econometrics in Fat-Data scenarios; Juliacon; Proceedings of the JuliaCon Conferences; 2; 53; 6-2020; 1-6 2642-4029 CONICET Digital CONICET |
dc.language.none.fl_str_mv |
eng |
language |
eng |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/doi/10.21105/jcon.00053 info:eu-repo/semantics/altIdentifier/url/https://proceedings.juliacon.org/papers/10.21105/jcon.00053 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by/2.5/ar/ |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by/2.5/ar/ |
dc.format.none.fl_str_mv |
application/pdf application/pdf |
dc.publisher.none.fl_str_mv |
Juliacon |
publisher.none.fl_str_mv |
Juliacon |
dc.source.none.fl_str_mv |
reponame:CONICET Digital (CONICET) instname:Consejo Nacional de Investigaciones Científicas y Técnicas |
reponame_str |
CONICET Digital (CONICET) |
collection |
CONICET Digital (CONICET) |
instname_str |
Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.name.fl_str_mv |
CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.mail.fl_str_mv |
dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar |
_version_ |
1842269842451726336 |
score |
13.13397 |