التعلم الآلي المزدوج
التعلم الآلي المزدوج/المُصحح (DML)، الذي قدمه تشيرنوژوكوف وآخرون (2018)، هو إطار شبه بارامتري لتقدير المعلمات السببية أو الهيكلية في وجود ضوابط عالية الأبعاد. يستخدم طرق التعلم الآلي المرنة لنمذجة دوال الإزعاج - التوقعات الشرطية للنتيجة والمعالجة بالنظر إلى المتغيرات المشتركة - ثم يبني مقدرًا مُصححًا للمعلمة المستهدفة يحقق الاتساق الجذري-n والاستدلال الصحيح على الرغم من تحيز التنظيم المتأصل في الإعدادات عالية الأبعاد.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Chernozhukov, V., Chetverikov, D., Demirer, M., Duflo, E., Hansen, C., Newey, W., & Robins, J. (2018). Double/debiased machine learning for treatment and structural parameters. The Econometrics Journal, 21(1), C1–C68. DOI: 10.1111/ectj.12097 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 2). Double/Debiased Machine Learning (DML). ScholarGate. https://scholargate.app/ar/causal-inference/double-machine-learning
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- التقدير المتين المزدوج (AIPW)الاستدلال السببي↔ compare
- تأثيرات المعالجة غير المتجانسة (CATE / المتعلمون الفوقيون)الاستدلال السببي↔ compare
- الغابات العشوائيةتعلم الآلة↔ compare