למידת מכונה כפולה
למידת מכונה כפולה/מנוטרלת (Double/Debiased Machine Learning, להלן DML), שהוצגה על ידי Chernozhukov et al. (2018), היא מסגרת סמי-פרמטרית להערכת פרמטרים סיבתיים או מבניים בנוכחות משתנים מציקים (controls) במימד גבוה. היא משתמשת בשיטות למידת מכונה גמישות למידול פונקציות מציקות – התוחלות המותנות של התוצאה והטיפול בהינתן המשתנים המסבירים – ואז בונה אומד מנוטרל של הפרמטר המטרה, המשיג עקביות מסדר שורש n והסקה תקפה למרות הטיית הרגולריזציה הטבועה במצבים במימד גבוה.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Chernozhukov, V., Chetverikov, D., Demirer, M., Duflo, E., Hansen, C., Newey, W., & Robins, J. (2018). Double/debiased machine learning for treatment and structural parameters. The Econometrics Journal, 21(1), C1–C68. DOI: 10.1111/ectj.12097 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 2). Double/Debiased Machine Learning (DML). ScholarGate. https://scholargate.app/he/causal-inference/double-machine-learning
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.
- אמידה חסונה כפולה (AIPW)הסקה סיבתית↔ compare
- אפקטים הטרוגניים של טיפול (CATE / Meta-Learners)הסקה סיבתית↔ compare
- יער אקראילמידת מכונה↔ compare