تعادل آنتروپی افزوده با یادگیری ماشین
تعادل آنتروپی افزوده با یادگیری ماشین (ML-EB) طرح بازوزندهی تعادل آنتروپی Hainmueller را با یک مدل پیامد یادگیری ماشین ترکیب میکند تا یک برآوردگر علی دوگانه-مستحکم تولید کند. با بهینهسازی مشترک وزنهای تعادل کووریت و تعدیل انعطافپذیر پیامد پیشبینیشده، ML-EB حتی زمانی که مدل وزندهی یا مدل پیامد نادرست مشخص شده باشد، برآوردهای سازگار اثر تیمار را ارائه میدهد و فضاهای کووریت با ابعاد بالا را که تعادل آنتروپی کلاسیک به راحتی قادر به متعادل کردن آنها نیست، مدیریت میکند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Machine Learning-Augmented Entropy Balancing for Causal Inference. ScholarGate. https://scholargate.app/fa/causal-inference/machine-learning-augmented-entropy-balancing
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.
- برآورد دوگانه استوار (AIPW)استنتاج علّی↔ compare
- تراز کردن آنتروپیاستنتاج علّی↔ compare
- وزندهی احتمال معکوسِ دریافتِ درمان (IPW / IPTW)استنتاج علّی↔ compare
- تطابق امتیاز تمایل (Propensity Score Matching)آمار پژوهش↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →