Estimateur par Appariement Augmenté par Apprentissage Automatique

L'estimateur par appariement augmenté par apprentissage automatique (ML) combine l'appariement classique par plus proches voisins ou par score de propension avec des algorithmes de ML — tels que lasso, forêts aléatoires ou gradient boosting — pour sélectionner les covariables, estimer les scores de propension et corriger le biais résiduel. Il en résulte un estimateur causal basé sur l'appariement qui reste valide en présence de confusion de haute dimension où l'appariement traditionnel spécifié manuellement échoue.