ScholarGate
सहायक
Regression modelQuasi-experimental / causal inference

मशीन लर्निंग-संवर्धित प्रपेंसिटी स्कोर मिलान

मशीन लर्निंग-संवर्धित प्रपेंसिटी स्कोर मिलान (ML-PSM) प्रपेंसिटी स्कोर का अनुमान लगाने के लिए पारंपरिक लॉजिस्टिक रिग्रेशन को लचीले मशीन लर्निंग एल्गोरिदम - जैसे ग्रेडिएंट बूस्टेड ट्री, रैंडम फ़ॉरेस्ट, या LASSO - से बदल देता है ताकि सहचरों के बीच जटिल, अरैखिक संबंधों को बेहतर ढंग से पकड़ा जा सके। परिणामी समृद्ध प्रपेंसिटी स्कोर सहचर संतुलन में सुधार करते हैं और उपचारितों पर औसत उपचार प्रभाव (ATT) के अनुमान में पूर्वाग्रह को कम करते हैं।

MethodMind में खोलेंजल्द हीवीडियोजल्द हीस्लाइड डाउनलोड करें

पूरी विधि पढ़ें

केवल सदस्यों के लिए

यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।

साइन इन करें

पद्धति मानचित्र

सम्बन्धित पद्धतियों का परिवेश — अन्वेषण हेतु किसी नोड का चयन करें।

स्रोत

  1. McCaffrey, D. F., Ridgeway, G., & Morral, A. R. (2004). Propensity score estimation with boosted regression for evaluating causal effects in observational studies. Psychological Methods, 9(4), 403-425. DOI: 10.1037/1082-989X.9.4.403
  2. Westreich, D., Lessler, J., & Funk, M. J. (2010). Propensity score estimation: neural networks, support vector machines, decision trees (CART), and meta-classifiers as alternatives to logistic regression. Journal of Clinical Epidemiology, 63(8), 826-833. DOI: 10.1016/j.jclinepi.2009.11.020

इस पृष्ठ का उद्धरण कैसे दें

ScholarGate. (2026, June 3). Machine Learning-Augmented Propensity Score Matching Estimator. ScholarGate. https://scholargate.app/hi/causal-inference/machine-learning-augmented-propensity-score-matching

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।

साथ-साथ तुलना करें

इनमें संदर्भित

ScholarGateMachine Learning-Augmented Propensity Score Matching (Machine Learning-Augmented Propensity Score Matching Estimator). 2026-06-15 को यहाँ से प्राप्त https://scholargate.app/hi/causal-inference/machine-learning-augmented-propensity-score-matching · डेटासेट: https://doi.org/10.5281/zenodo.20539026