التحسين الدقيق المُعزز بالتعلم الآلي (ML-CEM)
يمتد التحسين الدقيق المُعزز بالتعلم الآلي (ML-CEM) على التحسين الدقيق المُعزز (Coarsened Exact Matching - CEM) (Iacus, King & Porro, 2012) باستخدام التعلم الآلي المُشرف عليه لأتمتة وتحسين خطوة التقسيم (coarsening) - وهي عملية تقسيم المتغيرات المستمرة إلى فئات - بدلاً من الاعتماد على نقاط القطع التي يحددها الباحث. هذا يقلل من الذاتية الاعتباطية في قرارات التقسيم وعدم التوازن المتبقي، مع الحفاظ على المنطق الأساسي لـ CEM المتمثل في المطابقة الدقيقة ضمن الشرائح المقسمة.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
خريطة المناهج
محيط المناهج ذات الصلة — اختر عقدةً للاستكشاف.
المصادر
- Iacus, S. M., King, G., & Porro, G. (2012). Causal Inference without Balance Checking: Coarsened Exact Matching. Political Analysis, 20(1), 1-24. DOI: 10.1093/pan/mpr013 ↗
- Imai, K., & Ratkovic, M. (2014). Covariate balancing propensity score. Journal of the Royal Statistical Society: Series B, 76(1), 243-263. DOI: 10.1111/rssb.12027 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Machine Learning-Augmented Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/ar/causal-inference/machine-learning-augmented-coarsened-exact-matching
أيُّ منهج؟
ضع هذا المنهج إلى جانب أقرب نظائره واقرأهما جنباً إلى جنب — المكتبة تضع الكتب على الطاولة، والاختيار لك.
- المطابقة الدقيقة المُغلّظة (CEM)الاستدلال السببي↔ قارن
- التقدير المتين المزدوج (AIPW)الاستدلال السببي↔ قارن
- موازنة الإنتروبياالاستدلال السببي↔ قارن
- مطابقة درجات الميل المعززة بالتعلم الآليالاستدلال السببي↔ قارن
- مقدِّر المطابقةالاستدلال السببي↔ قارن
- مطابقة درجات الميلإحصاء البحث↔ قارن