Penyeimbangan Entropi yang Diperkuat Pembelajaran Mesin

Penyeimbangan entropi yang diperkuat pembelajaran mesin (ML-EB) menggabungkan skema pembobotan ulang penyeimbangan entropi Hainmueller dengan model hasil pembelajaran mesin untuk menghasilkan estimator kausal yang kuat ganda. Dengan mengoptimalkan bobot keseimbangan kovariat dan penyesuaian hasil prediksi yang fleksibel secara bersamaan, ML-EB memberikan estimasi efek perlakuan yang konsisten bahkan ketika model pembobotan atau model hasil salah spesifikasi, dan ia menangani ruang kovariat berdimensi tinggi yang tidak dapat diseimbangkan dengan mudah oleh penyeimbangan entropi klasik.