النموذج الهيكلي الهامشي المعزز بالتعلم الآلي (ML-MSM)
يجمع النموذج الهيكلي الهامشي المعزز بالتعلم الآلي بين الصرامة السببية لإطار عمل MSM الخاص بـ Robins وآخرون والخوارزميات المرنة والمتكيفة مع البيانات للتعلم الآلي لتقدير درجات الميل ونماذج النتائج. من خلال استبدال النماذج الضوضائية البارامترية بمتعلمين مجمعين أو شبكات عصبية، تستعيد ML-MSMs تقديرات سببية صالحة في ظل الارتباك دون الاعتماد على أشكال بارامترية محددة بشكل صحيح.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Robins, J. M., Hernan, M. A., & Brumback, B. (2000). Marginal structural models and causal inference in epidemiology. Epidemiology, 11(5), 550-560. DOI: 10.1097/00001648-200009000-00011 ↗
- Luedtke, A. R., & van der Laan, M. J. (2016). Statistical inference for the mean outcome under a possibly non-unique optimal treatment strategy. Annals of Statistics, 44(2), 713-742. DOI: 10.1214/15-AOS1384 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Machine Learning-Augmented Marginal Structural Model with Flexible Nuisance Estimation. ScholarGate. https://scholargate.app/ar/causal-inference/machine-learning-augmented-marginal-structural-model
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
- الترجيح الاحتمالي العكسي (IPW / IPTW)الاستدلال السببي↔ compare
- تقدير التعزيز المزدوج المعزز بالتعلم الآلي (ML-DR)الاستدلال السببي↔ compare
- نموذج الهياكل الهامشية (MSM)الاستدلال السببي↔ compare
- الترجيح بالدرجة الميولية (PSW / IPW)الاستدلال السببي↔ compare