Strojno učenje-augmentirano balansiranje entropijom
Strojno učenje-augmentirano balansiranje entropijom (ML-EB) kombinira Hainmuellerovu shemu reponderiranja balansiranja entropijom s modelom ishoda strojnog učenja kako bi se proizveo dvostruko robusni kauzalni procjenitelj. Zajedničkom optimizacijom težina za balansiranje kovarijata i fleksibilnom prilagodbom predviđenog ishoda, ML-EB isporučuje dosljedne procjene učinka tretmana čak i kada je model ponderiranja ili model ishoda pogrešno specificiran, te obrađuje visokodimenzionalne prostore kovarijata koje klasično balansiranje entropijom ne može lako uravnotežiti.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Karta metoda
Okruženje srodnih metoda — odaberite čvor za istraživanje.
Izvori
- Hainmueller, J. (2012). Entropy balancing for causal effects: A multivariate reweighting method to produce balanced samples in observational studies. Political Analysis, 20(1), 25-46. DOI: 10.1093/pan/mpr025 ↗
- Zhao, Q., & Percival, D. (2017). Entropy balancing is doubly robust. Journal of Causal Inference, 5(1), 20160010. DOI: 10.1515/jci-2016-0010 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Machine Learning-Augmented Entropy Balancing for Causal Inference. ScholarGate. https://scholargate.app/hr/causal-inference/machine-learning-augmented-entropy-balancing
Koja metoda?
Postavite ovu metodu uz njoj najsrodnije i pročitajte ih jednu uz drugu — knjižnica vam knjige stavlja na stol; izbor je na vama.
- Udvostručeno robusna procjena (AIPW)Uzročno zaključivanje↔ usporedi
- Entropy BalancingUzročno zaključivanje↔ usporedi
- Uteživanje inverznom vjerojatnošću tretmana (IPW / IPTW)Uzročno zaključivanje↔ usporedi
- Uparivanje prema ocjeni sklonostiIstraživačka statistika↔ usporedi
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →