Marginalni strukturni model proširen strojnim učenjem (ML-MSM)
Marginalni strukturni model proširen strojnim učenjem kombinira kauzalnu strogost okvira MSM Robins et al. s fleksibilnim, podatkovno-prilagodljivim ML algoritmima za procjenu propensity skorova i modela ishoda. Zamjenom parametarskih modela za smetnje (nuisance models) s ensemble learnerima ili neuronskim mrežama, ML-MSM-ovi vraćaju valjane kauzalne procjene pod utjecajem zbunjujućih varijabli (confounding) bez oslanjanja na ispravno specificirane parametarske oblike.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Machine Learning-Augmented Marginal Structural Model with Flexible Nuisance Estimation. ScholarGate. https://scholargate.app/hr/causal-inference/machine-learning-augmented-marginal-structural-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Udvostručeno robusna procjena (AIPW)Uzročno zaključivanje↔ compare
- Uteživanje inverznom vjerojatnošću tretmana (IPW / IPTW)Uzročno zaključivanje↔ compare
- Procjena uvećana strojnim učenjem i dvostruko robusna (ML-DR)Uzročno zaključivanje↔ compare
- Marginal Structural Model (MSM)Uzročno zaključivanje↔ compare
- Težinsko ponderiranje sklonosnim rezultatom (PSW / IPW)Uzročno zaključivanje↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →