Ponderación de probabilidad inversa aumentada con aprendizaje automático (ML-IPW)

La ponderación de probabilidad inversa aumentada con aprendizaje automático (ML-IPW) reemplaza la regresión logística paramétrica con algoritmos flexibles de aprendizaje automático (ML) para estimar las puntuaciones de propensión al tratamiento, y luego repondera la muestra para equilibrar las unidades tratadas y de control. Al aprovechar los aprendices adaptativos a los datos, como lasso, los bosques aleatorios o el aumento de gradiente, ML-IPW controla los factores de confusión no lineales y de alta dimensión que el IPW clásico omite, al tiempo que conserva el marco de ponderación intuitivo.