איזון אנטרופיה משופר למידת מכונה
איזון אנטרופיה משופר למידת מכונה (ML-EB) משלב את שיטת השקלול מחדש של איזון אנטרופיה של היינמולר עם מודל תוצאה של למידת מכונה כדי לייצר אומדן סיבתי חסין כפליים. על ידי אופטימיזציה משותפת של משקלי איזון משתנים מסבירים והתאמת תוצאה חזויה גמישה, ML-EB מספק אומדני אפקט טיפול עקביים גם כאשר מודל השקלול או מודל התוצאה מוגדרים באופן שגוי, והוא מטפל במרחבי משתנים מסבירים בעלי ממדים גבוהים שאיזון אנטרופיה קלאסי אינו יכול לאזן בקלות.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
מפת שיטות
סביבת השיטות הקרובות — בחרו צומת כדי לחקור.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Machine Learning-Augmented Entropy Balancing for Causal Inference. ScholarGate. https://scholargate.app/he/causal-inference/machine-learning-augmented-entropy-balancing
איזו שיטה?
הציבו שיטה זו לצד קרובותיה הקרובות וקראו אותן זו לצד זו — הספרייה מניחה את הספרים על השולחן; הבחירה בידיכם.
- אמידה חסונה כפולה (AIPW)הסקה סיבתית↔ השוואה
- איזון אנטרופיההסקה סיבתית↔ השוואה
- משקולות הסתברות הפוכות (IPW / IPTW)הסקה סיבתית↔ השוואה
- התאמת ציון נטייהסטטיסטיקה למחקר↔ השוואה