Gépitanulás-alapú megszakított idősorok
A gépitanulás-alapú megszakított idősorok (ML-ITS) becslik egy diszkrét beavatkozás kauzális hatását úgy, hogy egy gépitanulási modellt képeznek a beavatkozás előtti idősor adatokon, egy kontrafaktuális pályát vetítenek a beavatkozás utáni időszakra, és mérik a megfigyelt és a becsült kimenetek közötti rést. Kiterjeszti a klasszikus ITS-t a paraméteres trendfeltételek rugalmas ML-becslőkkel, mint például a gradiens kiemelés, véletlen erdők vagy a bayeszi strukturális idősor modellek helyettesítésével.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Módszertérkép
A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Machine Learning-Augmented Interrupted Time Series Analysis. ScholarGate. https://scholargate.app/hu/causal-inference/machine-learning-augmented-interrupted-time-series
Melyik módszer?
Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.
- Kauzalitási hatás elemzéseOksági következtetés↔ összehasonlítás
- A különbség-különbségek (Diff-in-Diff) módszerÖkonometria↔ összehasonlítás
- Dinamikus Megszakított IdősorokOksági következtetés↔ összehasonlítás
- Megszakított Idősor (ITS) ElemzésOksági következtetés↔ összehasonlítás
- Gépi tanulással kiegészített különbség-a-különbségekben (ML-DiD)Oksági következtetés↔ összehasonlítás
- Szintetikus kontroll módszer (SCM)Oksági következtetés↔ összehasonlítás
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →