মেশিন লার্নিং-অগমেন্টেড ইনভার্স প্রোবাবিলিটি ওয়েটিং (ML-IPW)
মেশিন লার্নিং-অগমেন্টেড ইনভার্স প্রোবাবিলিটি ওয়েটিং প্যারামেট্রিক লজিস্টিক রিগ্রেশনকে নমনীয় ML অ্যালগরিদম দ্বারা প্রতিস্থাপন করে ট্রিটমেন্ট প্রপেনসিটি স্কোর অনুমান করার জন্য, তারপর ট্রিটেড এবং কন্ট্রোল ইউনিটগুলির ভারসাম্য বজায় রাখতে নমুনাকে পুনরায় ওজন করে। ল্যাসো, র্যান্ডম ফরেস্ট বা গ্রেডিয়েন্ট বুস্টিং-এর মতো ডেটা-অ্যাডাপ্টিভ লার্নারদের ব্যবহার করে, ML-IPW উচ্চ-মাত্রিক এবং নন-লিনিয়ার কনফাউন্ডারগুলিকে নিয়ন্ত্রণ করে যা ক্লাসিক্যাল IPW বাদ পড়ে, একই সাথে স্বজ্ঞাত ওয়েটিং ফ্রেমওয়ার্ক বজায় রাখে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
পদ্ধতি-মানচিত্র
সম্পর্কিত পদ্ধতিসমূহের প্রতিবেশ — অন্বেষণ করতে একটি নোড নির্বাচন করুন।
উৎস
- 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 ↗
- Hirano, K., Imbens, G. W., & Ridder, G. (2003). Efficient estimation of average treatment effects using the estimated propensity score. Econometrica, 71(4), 1161-1189. DOI: 10.1111/1468-0262.00442 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Machine Learning-Augmented Inverse Probability Weighting Estimator. ScholarGate. https://scholargate.app/bn/causal-inference/machine-learning-augmented-inverse-probability-weighting
কোন পদ্ধতি?
এই পদ্ধতিটিকে তার নিকটতম সমগোত্রীয়দের পাশে রাখুন এবং পাশাপাশি পড়ুন — গ্রন্থাগার বইগুলি টেবিলে সাজিয়ে দেয়; নির্বাচন আপনার।
- দ্বৈতভাবে সুদৃঢ় প্রাক্কলন (AIPW)কার্যকারণ অনুমান↔ তুলনা করুন
- ইনভার্স প্রোবাবিলিটি অফ ট্রিটমেন্ট ওয়েটিং (IPW / IPTW)কার্যকারণ অনুমান↔ তুলনা করুন
- মেশিন লার্নিং-অগমেন্টেড ডাবলি রোবাস্ট এস্টিমেশন (ML-DR)কার্যকারণ অনুমান↔ তুলনা করুন
- মেশিন লার্নিং-অগমেন্টেড প্রোপেনসিটি স্কোর ম্যাচিংকার্যকারণ অনুমান↔ তুলনা করুন
- প্রোপেনসিটি স্কোর ওয়েটিং (PSW / IPW)কার্যকারণ অনুমান↔ তুলনা করুন
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →