বিষমধর্মী চিকিৎসা প্রভাব (CATE / মেটা-লার্নার)
ভিন্নধর্মী প্রভাবের প্রভাব (Heterogeneous Treatment Effects) হলো একটি মেশিন লার্নিং কাঠামো যা অনুমান করে যে কোনও ব্যক্তির উপর কোনও চিকিৎসার প্রভাব কীভাবে পরিবর্তিত হয় — অর্থাৎ শর্তাধীন গড় চিকিৎসার প্রভাব (conditional average treatment effect - CATE)। এটি T-লার্নার, S-লার্নার, X-লার্নার এবং R-লার্নার-এর মতো মেটা-লার্নার কৌশলগুলিকে Wager এবং Athey (2018) এবং Künzel et al. (2019)-এর কজাল ফরেস্ট (causal forest)-এর সাথে একত্রিত করে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
পদ্ধতি-মানচিত্র
সম্পর্কিত পদ্ধতিসমূহের প্রতিবেশ — অন্বেষণ করতে একটি নোড নির্বাচন করুন।
উৎস
- Wager, S. & Athey, S. (2018). Estimation and Inference of Heterogeneous Treatment Effects using Random Forests. Journal of the American Statistical Association. DOI: 10.1080/01621459.2017.1319839 ↗
- Künzel, S. R., Sekhon, J. S., Bickel, P. J. & Yu, B. (2019). Metalearners for Estimating Heterogeneous Treatment Effects using Machine Learning. Proceedings of the National Academy of Sciences (PNAS). DOI: 10.1073/pnas.1804597116 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 1). Heterogeneous Treatment Effects (CATE / Meta-Learners). ScholarGate. https://scholargate.app/bn/causal-inference/heterogeneous-treatment-effects
কোন পদ্ধতি?
এই পদ্ধতিটিকে তার নিকটতম সমগোত্রীয়দের পাশে রাখুন এবং পাশাপাশি পড়ুন — গ্রন্থাগার বইগুলি টেবিলে সাজিয়ে দেয়; নির্বাচন আপনার।
- কার্যকারণ আবিষ্কার অ্যালগরিদম (PC, FCI, LiNGAM)কার্যকারণ অনুমান↔ তুলনা করুন
- ফ্রন্টডোর অ্যাডজাস্টমেন্ট (ফ্রন্টডোর ক্রাইটেরিয়ন)কার্যকারণ অনুমান↔ তুলনা করুন
- প্রোপেনসিটি স্কোর ম্যাচিং (Propensity Score Matching)গবেষণা পরিসংখ্যান↔ তুলনা করুন
- রিগ্রেশন ডিসকন্টিনিউটি ডিজাইন (RDD)কার্যকারণ অনুমান↔ তুলনা করুন
- দ্বি-পর্যায় ন্যূনতম বর্গ (IV/2SLS) দ্বারা যন্ত্র চলককার্যকারণ অনুমান↔ তুলনা করুন
যেখানে উদ্ধৃত
Similar methods
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →