Masinõppimisega täiustatud katkestatud ajasarjad
Masinõppimisega täiustatud katkestatud ajasarjad (ML-ITS) hindab diskreetse sekkumise põhjuslikku mõju, treenides masinõppemudelit enne sekkumist kogutud ajasarjaandmete põhjal, prognoosides vastufaktuaalset trajektoori sekkumisjärgsesse perioodi ja mõõtes vaadeldud ja prognoositud tulemuste vahelist erinevust. See laiendab klassikalist ITS-i, asendades parameetrilised trendieeldused paindlike ML-hinnangutega, nagu gradienttugevdus, juhuslikud metsad või Bayes'i struktuursed ajasarjamudelid.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Meetodikaart
Seotud meetodite ümbruskond — vali sõlm, et seda uurida.
Allikad
- Brodersen, K. H., Gallusser, F., Koehler, J., Remy, N., & Scott, S. L. (2015). Inferring causal impact using Bayesian structural time-series models. Annals of Applied Statistics, 9(1), 247-274. DOI: 10.1214/14-AOAS788 ↗
- Varian, H. R. (2014). Big Data: New Tricks for Econometrics. Journal of Economic Perspectives, 28(2), 3-28. DOI: 10.1257/jep.28.2.3 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Machine Learning-Augmented Interrupted Time Series Analysis. ScholarGate. https://scholargate.app/et/causal-inference/machine-learning-augmented-interrupted-time-series
Milline meetod?
Aseta see meetod oma lähimate sugulaste kõrvale ja loe neid kõrvuti — raamatukogu laob raamatud lauale; valik on sinu.
- Kausaalne mõju analüüsPõhjuslik järeldamine↔ võrdle
- Erinevused erinevustes (Diff-in-Diff)Ökonomeetria↔ võrdle
- Dünaamiline katkestatud aegridade analüüsPõhjuslik järeldamine↔ võrdle
- Katkendliku ajasarja (ITS) analüüsPõhjuslik järeldamine↔ võrdle
- Masinõppega täiendatud erinevuste-erinevuste meetod (ML-DiD)Põhjuslik järeldamine↔ võrdle
- Sünteetilise kontrolli meetod (SCM)Põhjuslik järeldamine↔ võrdle
Märkasid sellel lehel viga? Teata sellest või paku parandust →