שקלול הסתברות היפוכה משופר למידת למידת מכונה (ML-IPW)
שקלול הסתברות היפוכה משופר למידת למידת מכונה (ML-IPW) מחליף רגרסיה לוגיסטית פרמטרית באלגוריתמי למידת מכונה גמישים כדי לאמוד ציוני נטייה לטיפול, ולאחר מכן משקלל מחדש את המדגם כדי לאזן יחידות מטופלות ויחידות בקרה. על ידי שימוש בלומדים מותאמי נתונים כגון לאסו, יערות אקראיים או הגברת גרדיאנט, ML-IPW שולט במשתנים מבלבלים רב-ממדיים ולא ליניאריים ש-IPW קלאסי מחמיץ, תוך שמירה על מסגרת השקלול האינטואיטיבית.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
מפת שיטות
סביבת השיטות הקרובות — בחרו צומת כדי לחקור.
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 ↗
- Hirano, K., Imbens, G. W., & Ridder, G. (2003). Efficient estimation of average treatment effects using the estimated propensity score. Econometrica, 71(4), 1161-1189. DOI: 10.1111/1468-0262.00442 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Machine Learning-Augmented Inverse Probability Weighting Estimator. ScholarGate. https://scholargate.app/he/causal-inference/machine-learning-augmented-inverse-probability-weighting
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
- משקולות הסתברות הפוכות (IPW / IPTW)הסקה סיבתית↔ השוואה
- אמידה חסינה כפולה משופרת בלמידת מכונה (ML-DR)הסקה סיבתית↔ השוואה
- התאמת ציון נטייה משופרת בלמידת מכונההסקה סיבתית↔ השוואה
- שקלול ציון הנטייה (PSW / IPW)הסקה סיבתית↔ השוואה