Maskinlærings-augmenteret invers sandsynlighedsvægtning (ML-IPW)

Maskinlærings-augmenteret invers sandsynlighedsvægtning erstatter parametrisk logistisk regression med fleksible ML-algoritmer til estimering af behandlingssandsynlighedsscores, og omvægter derefter stikprøven for at balancere behandlede og kontrolenheder. Ved at udnytte datadrevne læringsalgoritmer som lasso, random forests eller gradient boosting, kontrollerer ML-IPW for højdimensionelle og ikke-lineære confounders, som klassisk IPW overser, samtidig med at den intuitive vægtningsramme bevares.