אמידה חסינה כפולה משופרת בלמידת מכונה (ML-DR)
אמידה חסינה כפולה משופרת בלמידת מכונה (ML-DR) משלבת את אסטרטגיית הזיהוי החסינה הכפולה הקלאסית (AIPW) עם מודלים גמישים של למידת מכונה עבור פונקציות ההפרעה — ציון הנטייה ורגרסיית התוצאה. התוצאה היא אומדן סיבתי שהוא עקבי אם אחד מרכיבי למידת המכונה מוגדר כראוי, והוא משיג היסק תקף בקצב שורש n גם כאשר מודלי ההפרעה מוערכים באמצעות רגולריזציה במימד גבוה או לומדים לא-פרמטריים.
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 ↗
- Farrell, M. H., Liang, T., & Misra, S. (2021). Deep Neural Networks for Estimation and Inference. Econometrica, 89(1), 181-213. DOI: 10.3982/ECTA16901 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Machine Learning-Augmented Doubly Robust Estimation. ScholarGate. https://scholargate.app/he/causal-inference/machine-learning-augmented-doubly-robust-estimation
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.
- הפרש-בהפרשים (דיד)אקונומטריקה↔ compare
- אמידה חסונה כפולה (AIPW)הסקה סיבתית↔ compare
- משקולות הסתברות הפוכות (IPW / IPTW)הסקה סיבתית↔ compare
- התאמת ציון נטייה משופרת בלמידת מכונההסקה סיבתית↔ compare
- מודל מבני שולי (MSM)הסקה סיבתית↔ compare
- שקלול ציון הנטייה (PSW / IPW)הסקה סיבתית↔ compare