मशीन लर्निंग-संवर्धित कारण प्रभाव विश्लेषण
मशीन लर्निंग-संवर्धित कारण प्रभाव विश्लेषण, किसी समय श्रृंखला परिणाम पर हस्तक्षेप के कारण प्रभाव का अनुमान लगाने के लिए अर्ध-प्रायोगिक प्रति-तथ्यात्मक तर्क को लचीले एमएल भविष्यवाणी मॉडल के साथ जोड़ता है। Brodersen et al. के बायेसियन संरचनात्मक समय श्रृंखला (BSTS) ढांचे पर निर्माण और डबल/डीबायस्ड एमएल विधियों द्वारा विस्तारित, यह दाता सहचरों से एक सिंथेटिक प्रति-तथ्यात्मक का निर्माण करता है और देखे गए और अनुमानित हस्तक्षेप-पश्चात परिणामों के बीच के अंतर के रूप में उपचार प्रभाव का अनुमान लगाता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
पद्धति मानचित्र
सम्बन्धित पद्धतियों का परिवेश — अन्वेषण हेतु किसी नोड का चयन करें।
स्रोत
- Brodersen, K. H., Gallusser, F., Koehler, J., Remy, N., & Scott, S. L. (2015). Inferring causal impact using Bayesian structural time-series models. Annals of Applied Statistics, 9(1), 247-274. DOI: 10.1214/14-AOAS788 ↗
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Machine Learning-Augmented Causal Impact Analysis. ScholarGate. https://scholargate.app/hi/causal-inference/machine-learning-augmented-causal-impact-analysis
कौन-सी पद्धति?
इस पद्धति को उसकी निकटतम सजातीय पद्धतियों के साथ रखकर उन्हें साथ-साथ पढ़ें — पुस्तकालय पुस्तकें मेज़ पर रख देता है; चुनाव आपका है।
- कार्यकारण प्रभाव विश्लेषणकारणात्मक अनुमान↔ तुलना करें
- अंतर-में-अंतर (डिफ-इन-डिफ)अर्थमिति↔ तुलना करें
- Doubly Robust Estimationकारणात्मक अनुमान↔ तुलना करें
- रुकावट वाली समय श्रृंखला (ITS) विश्लेषणकारणात्मक अनुमान↔ तुलना करें
- पैनल इवेंट स्टडीकारणात्मक अनुमान↔ तुलना करें
- सिंथेटिक कंट्रोल मेथड (SCM)कारणात्मक अनुमान↔ तुलना करें