Masinõppimisega täiustatud entroopiabilansseerimine
Masinõppimisega täiustatud entroopiabilansseerimine (ML-EB) ühendab Hainmuelleri entroopiabilansseerimise kaalude määramise skeemi masinõppimise tulemusmudeliga, et saada kahekordselt robustne põhjuslikkuse estimaator. Kooskõlastatult kovariaatide tasakaalukaalude ja paindliku ennustatud tulemuse kohanduse optimeerimisega pakub ML-EB järjepidevaid töötlusefektide hinnanguid isegi siis, kui kaalumine või tulemusmudel on valesti spetsifitseeritud, ning see suudab käsitleda kõrgedimensionaalseid kovariaatide ruume, mida klassikaline entroopiabilansseerimine ei suuda kergesti tasakaalustada.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Meetodikaart
Seotud meetodite ümbruskond — vali sõlm, et seda uurida.
Allikad
- Hainmueller, J. (2012). Entropy balancing for causal effects: A multivariate reweighting method to produce balanced samples in observational studies. Political Analysis, 20(1), 25-46. DOI: 10.1093/pan/mpr025 ↗
- Zhao, Q., & Percival, D. (2017). Entropy balancing is doubly robust. Journal of Causal Inference, 5(1), 20160010. DOI: 10.1515/jci-2016-0010 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Machine Learning-Augmented Entropy Balancing for Causal Inference. ScholarGate. https://scholargate.app/et/causal-inference/machine-learning-augmented-entropy-balancing
Milline meetod?
Aseta see meetod oma lähimate sugulaste kõrvale ja loe neid kõrvuti — raamatukogu laob raamatud lauale; valik on sinu.
- Topeltrobustne hindamine (AIPW)Põhjuslik järeldamine↔ võrdle
- Entropy BalancingPõhjuslik järeldamine↔ võrdle
- Pöörd-tõenäosuskaalutamine (IPW / IPTW)Põhjuslik järeldamine↔ võrdle
- Kalduvusskoori sobitamineUurimisstatistika↔ võrdle
Märkasid sellel lehel viga? Teata sellest või paku parandust →