ScholarGate
Асистент
Regression modelQuasi-experimental / causal inference

Машинно обучение-подобрена прекъсната времева серия

Машинно обучение-подобрена прекъсната времева серия (ML-ITS) оценява причинно-следствения ефект на дискретна интервенция чрез обучение на модел за машинно обучение върху данни от времеви серии преди интервенцията, проектиране на контрафактична траектория в периода след интервенцията и измерване на разликата между наблюдаваните и предвидените резултати. Тя разширява класическата ITS, като заменя параметричните предположения за тренда с гъвкави ML оценители като градиентно усилване, случайни гори или байесови модели на времеви серии.

Отворете в MethodMindСкороВидеоСкороИзтегляне на слайдове

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Вход

Карта на методите

Обкръжението на сродните методи — изберете възел, за да го разгледате.

Източници

  1. Brodersen, K. H., Gallusser, F., Koehler, J., Remy, N., & Scott, S. L. (2015). Inferring causal impact using Bayesian structural time-series models. Annals of Applied Statistics, 9(1), 247-274. DOI: 10.1214/14-AOAS788
  2. Varian, H. R. (2014). Big Data: New Tricks for Econometrics. Journal of Economic Perspectives, 28(2), 3-28. DOI: 10.1257/jep.28.2.3

Как да цитирате тази страница

ScholarGate. (2026, June 3). Machine Learning-Augmented Interrupted Time Series Analysis. ScholarGate. https://scholargate.app/bg/causal-inference/machine-learning-augmented-interrupted-time-series

Кой метод?

Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.

Сравняване едно до друго
ScholarGateMachine Learning-Augmented Interrupted Time Series (Machine Learning-Augmented Interrupted Time Series Analysis). Извлечено на 2026-06-15 от https://scholargate.app/bg/causal-inference/machine-learning-augmented-interrupted-time-series · Набор от данни: https://doi.org/10.5281/zenodo.20539026