Εκτίμηση διπλής στιβαρότητας επαυξημένη με μηχανική μάθηση (ML-DR)

Η εκτίμηση διπλής στιβαρότητας (ML-DR) επαυξημένη με μηχανική μάθηση συνδυάζει την κλασική στρατηγική αναγνώρισης διπλής στιβαρότητας (AIPW) με ευέλικτα μοντέλα μηχανικής μάθησης για τις συναρτήσεις ενόχλησης — την πιθανοτική βαθμολογία και την παλινδρόμηση του αποτελέσματος. Το αποτέλεσμα είναι ένας αιτιακός εκτιμητής που είναι συνεπής εάν είτε το στοιχείο ML είτε το στοιχείο διπλής στιβαρότητας είναι σωστά προσδιορισμένο, και ο οποίος επιτυγχάνει έγκυρη συμπερασματολογία με ρυθμό $\sqrt{n}$ ακόμη και όταν τα μοντέλα ενόχλησης εκτιμώνται με κανονικοποίηση υψηλής διάστασης ή μη παραμετρικούς μαθητές.