Machine learningCausal ML

Целенасочена оценка по метода на максималното правдоподобие (TMLE)

Целенасочената оценка по метода на максималното правдоподобие (TMLE) е полупараметричен, двойно робастен метод за причинно-следствена оценка, въведен от Марк ван дер Лаан и Даниел Рубин през 2006 г. Той комбинира гъвкави модели за машинно обучение както за резултата, така и за механизма за разпределение на лечението, след което прилага целенасочена стъпка, която пренастройва първоначалния модел на резултата, специално за намаляване на отклонението за предварително зададен причинно-следствен оценяван параметър, като например средния ефект от лечението. TMLE се използва широко в епидемиологията, биостатистиката и здравната икономика при оценяване на причинно-следствени ефекти от наблюдателни данни.

Отворете в MethodMindСкороВидеоСкороDownload slides

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Вход

Method map

The neighbourhood of related methods — select a node to explore.

Целенасочена оценка по метода на максималното правдоподобие (TMLE)
Двойно машинно обучениеДвойно устойчива оценка…Претегляне с обратна вер…

Източници

  1. van der Laan, M. J., & Rubin, D. (2006). Targeted maximum likelihood learning. The International Journal of Biostatistics, 2(1). DOI: 10.2202/1557-4679.1043

Как да цитирате тази страница

ScholarGate. (2026, June 2). Targeted Maximum Likelihood Estimation (TMLE). ScholarGate. https://scholargate.app/bg/causal-inference/targeted-maximum-likelihood

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.

Compare side by side
ScholarGateTargeted Maximum Likelihood Estimation (Targeted Maximum Likelihood Estimation (TMLE)). Извлечено на 2026-06-15 от https://scholargate.app/bg/causal-inference/targeted-maximum-likelihood · Набор от данни: https://doi.org/10.5281/zenodo.20539026