מודל מבני שולי משולב למידת מכונה (ML-MSM)
המודל המבני השולי המשולב למידת מכונה (ML-MSM) משלב את הקפדנות הסיבתית של מסגרת ה-MSM של רובינס ועמיתיו עם אלגוריתמים גמישים ומסתגלים לנתונים של למידת מכונה (ML) להערכת ציוני נטייה ומודלי תוצאה. על ידי החלפת מודלי מטרד פרמטריים בלומדי אנסמבל או רשתות נוירונים, ML-MSMs משחזרים הערכות סיבתיות תקפות תחת בלבול (confounding) ללא הסתמכות על צורות פרמטריות שנקבעו כראוי.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
מפת שיטות
סביבת השיטות הקרובות — בחרו צומת כדי לחקור.
מקורות
- Robins, J. M., Hernan, M. A., & Brumback, B. (2000). Marginal structural models and causal inference in epidemiology. Epidemiology, 11(5), 550-560. DOI: 10.1097/00001648-200009000-00011 ↗
- Luedtke, A. R., & van der Laan, M. J. (2016). Statistical inference for the mean outcome under a possibly non-unique optimal treatment strategy. Annals of Statistics, 44(2), 713-742. DOI: 10.1214/15-AOS1384 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Machine Learning-Augmented Marginal Structural Model with Flexible Nuisance Estimation. ScholarGate. https://scholargate.app/he/causal-inference/machine-learning-augmented-marginal-structural-model
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
- מודל מבני שולי (MSM)הסקה סיבתית↔ השוואה
- שקלול ציון הנטייה (PSW / IPW)הסקה סיבתית↔ השוואה