মেশিন লার্নিং-বর্ধিত কার্যকারণ প্রভাব বিশ্লেষণ
মেশিন লার্নিং-বর্ধিত কার্যকারণ প্রভাব বিশ্লেষণ একটি কোয়াসি-এক্সপেরিমেন্টাল কাউন্টারফ্যাকচুয়াল যুক্তির সাথে নমনীয় এমএল প্রেডিকশন মডেলগুলিকে একত্রিত করে একটি টাইম সিরিজ ফলাফলের উপর একটি হস্তক্ষেপের কার্যকারণ প্রভাব অনুমান করার জন্য। Brodersen et al.-এর বেয়েশীয় স্ট্রাকচারাল টাইম সিরিজ (BSTS) ফ্রেমওয়ার্কের উপর ভিত্তি করে এবং ডাবল/ডিবায়াসড এমএল পদ্ধতি দ্বারা প্রসারিত, এটি ডোনার কোভেরিয়েট থেকে একটি সিন্থেটিক কাউন্টারফ্যাকচুয়াল তৈরি করে এবং পর্যবেক্ষণকৃত ও ভবিষ্যদ্বাণী করা পোস্ট-ইন্টারভেনশন ফলাফলের মধ্যেকার ব্যবধান হিসাবে ট্রিটমেন্ট প্রভাব অনুমান 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
- 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 ↗
- Chernozhukov, V., Chetverikov, D., Demirer, M., Duflo, E., Hansen, C., Newey, W., & Robins, J. (2018). Double/debiased machine learning for treatment and structural parameters. The Econometrics Journal, 21(1), C1-C68. DOI: 10.1111/ectj.12097 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Machine Learning-Augmented Causal Impact Analysis. ScholarGate. https://scholargate.app/bn/causal-inference/machine-learning-augmented-causal-impact-analysis
কোন পদ্ধতি?
এই পদ্ধতিটিকে তার নিকটতম সমগোত্রীয়দের পাশে রাখুন এবং পাশাপাশি পড়ুন — গ্রন্থাগার বইগুলি টেবিলে সাজিয়ে দেয়; নির্বাচন আপনার।
- Causal Impact Analysisকার্যকারণ অনুমান↔ তুলনা করুন
- ডিফারেন্স-ইন-ডিফারেন্সেস (ডিফ-ইন-ডিফ)অর্থমিতি↔ তুলনা করুন
- দ্বৈতভাবে সুদৃঢ় প্রাক্কলন (AIPW)কার্যকারণ অনুমান↔ তুলনা করুন
- ব্যাহত সময় সিরিজ (Interrupted Time Series - ITS) বিশ্লেষণকার্যকারণ অনুমান↔ তুলনা করুন
- প্যানেল ইভেন্ট স্টাডিকার্যকারণ অনুমান↔ তুলনা করুন
- সিন্থেটিক কন্ট্রোল মেথড (SCM)কার্যকারণ অনুমান↔ তুলনা করুন
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →