मशीन लर्निंग-ऑग्मेंटेड इंटरप्टेड टाइम सीरीज़
मशीन लर्निंग-ऑग्मेंटेड इंटरप्टेड टाइम सीरीज़ (ML-ITS) पूर्व-हस्तक्षेप समय श्रृंखला डेटा पर एक मशीन लर्निंग मॉडल को प्रशिक्षित करके, एक प्रति-तथ्यात्मक प्रक्षेपवक्र को हस्तक्षेप-पश्चात अवधि में प्रक्षेपित करके, और देखे गए और अनुमानित परिणामों के बीच के अंतर को मापकर एक असतत हस्तक्षेप के कारणात्मक प्रभाव का अनुमान लगाता है। यह लचीले एमएल अनुमानकों जैसे ग्रेडिएंट बूस्टिंग, रैंडम फ़ॉरेस्ट, या बायेसियन स्ट्रक्चरल टाइम-सीरीज़ मॉडल के साथ पैरामीट्रिक ट्रेंड मान्यताओं को बदलकर शास्त्रीय ITS का विस्तार करता 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 ↗
- Varian, H. R. (2014). Big Data: New Tricks for Econometrics. Journal of Economic Perspectives, 28(2), 3-28. DOI: 10.1257/jep.28.2.3 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Machine Learning-Augmented Interrupted Time Series Analysis. ScholarGate. https://scholargate.app/hi/causal-inference/machine-learning-augmented-interrupted-time-series
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
- गतिशील बाधित समय श्रृंखलाकारणात्मक अनुमान↔ तुलना करें
- रुकावट वाली समय श्रृंखला (ITS) विश्लेषणकारणात्मक अनुमान↔ तुलना करें
- मशीन लर्निंग-ऑग्मेंटेड डिफरेंस-इन-डिफरेंस (ML-DiD)कारणात्मक अनुमान↔ तुलना करें
- सिंथेटिक कंट्रोल मेथड (SCM)कारणात्मक अनुमान↔ तुलना करें