Διπλή Μηχανική Μάθηση
Η Διπλή/Απο-μεροληπτική Μηχανική Μάθηση (Double/Debiased Machine Learning - DML), που εισήχθη από τους Chernozhukov et al. (2018), είναι ένα ημι-παραμετρικό πλαίσιο για την εκτίμηση αιτιακών ή δομικών παραμέτρων παρουσία υψηλών διαστάσεων ελέγχων. Χρησιμοποιεί ευέλικτες μεθόδους μηχανικής μάθησης για τη μοντελοποίηση συναρτήσεων ενόχλησης (nuisance functions)—τις δεσμευμένες προσδοκίες της έκβασης και της θεραπείας δεδομένων των συγχυτικών μεταβλητών (covariates)—και στη συνέχεια κατασκευάζει έναν απο-μεροληπτικό εκτιμητή της παραμέτρου-στόχου που επιτυγχάνει συνέπεια τάξης ριζάς-ν (root-n consistency) και έγκυρη συμπερασματολογία παρά τη μεροληψία κανονικοποίησης (regularization bias) που είναι εγγενής σε ρυθμίσεις υψηλών διαστάσεων.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 2). Double/Debiased Machine Learning (DML). ScholarGate. https://scholargate.app/el/causal-inference/double-machine-learning
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.
- Εκτίμηση Διπλής Ευστάθειας (AIPW)Αιτιακή Συμπερασματολογία↔ compare
- Ετερογενείς Επιδράσεις Θεραπείας (CATE / Μετα-Μαθητές)Αιτιακή Συμπερασματολογία↔ compare
- Τυχαίο ΔάσοςΜηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →