Célzott Maximum Valószínűség Becslés (TMLE)
A Célzott Maximum Valószínűség Becslés (TMLE) egy szemi-paraméteres, kettősen robusztus kauzális következtetési módszer, amelyet Mark van der Laan és Daniel Rubin vezetett be 2006-ban. Ez ötvözi a rugalmas gépi tanulási modelleket mind az eredményre, mind a kezelés hozzárendelési mechanizmusára, majd egy célzási lépést alkalmaz, amely újrafitteli a kezdeti eredménymodellt, kifejezetten az átlagos kezelési hatás (ATE) előre meghatározott kauzális becslőjének torzításának csökkentése érdekében. A TMLE széles körben használatos az epidemiológiában, biostatisztikában és egészséggazdaságtanban, amikor megfigyelési adatokból becslik a kauzális hatásokat.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- van der Laan, M. J., & Rubin, D. (2006). Targeted maximum likelihood learning. The International Journal of Biostatistics, 2(1). DOI: 10.2202/1557-4679.1043 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 2). Targeted Maximum Likelihood Estimation (TMLE). ScholarGate. https://scholargate.app/hu/causal-inference/targeted-maximum-likelihood
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.
- Dupla gépi tanulásOksági következtetés↔ compare
- Kettősen robusztus becslés (AIPW)Oksági következtetés↔ compare
- Az inverz valószínűségi kezelési súlyozás (IPW / IPTW)Oksági következtetés↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →