سری زمانی منقطع تقویتشده با یادگیری ماشین
سری زمانی منقطع تقویتشده با یادگیری ماشین (ML-ITS) با آموزش یک مدل یادگیری ماشین بر روی دادههای سری زمانی پیش از مداخله، پیشبینی یک مسیر خلاف واقع (counterfactual trajectory) به دوره پس از مداخله، و اندازهگیری شکاف بین نتایج مشاهدهشده و پیشبینیشده، اثر علّی یک مداخله گسسته را تخمین میزند. این روش، ITS کلاسیک را با جایگزینی فرضیات روند پارامتریک با برآوردگرهای انعطافپذیر یادگیری ماشین مانند گرادیان بوستینگ، جنگلهای تصادفی، یا مدلهای سری زمانی ساختاری بیزی گسترش میدهد.
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
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Machine Learning-Augmented Interrupted Time Series Analysis. ScholarGate. https://scholargate.app/fa/causal-inference/machine-learning-augmented-interrupted-time-series
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.
- تحلیل اثر علیّتاستنتاج علّی↔ compare
- روش تفاوت در تفاوت (Diff-in-Diff)اقتصادسنجی↔ compare
- سری زمانی مقطعی پویا (Dynamic Interrupted Time Series)استنتاج علّی↔ compare
- تحلیل سری زمانی مقطعدار (ITS)استنتاج علّی↔ compare
- یادگیری ماشین-افزوده تفاضل در تفاضل (ML-DiD)استنتاج علّی↔ compare
- روش کنترل ترکیبی (SCM)استنتاج علّی↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →