Bobot Probabilitas Terbalik yang Diperkuat Pembelajaran Mesin (ML-IPW)
Bobot probabilitas terbalik yang diperkuat pembelajaran mesin menggantikan regresi logistik parametrik dengan algoritma ML yang fleksibel untuk memperkirakan skor kecenderungan perlakuan, kemudian menimbang ulang sampel untuk menyeimbangkan unit yang diobati dan kontrol. Dengan memanfaatkan pembelajar adaptif data seperti lasso, hutan acak, atau peningkatan gradien, ML-IPW mengontrol perancu berdimensi tinggi dan nonlinier yang terlewatkan oleh IPW klasik, sambil mempertahankan kerangka kerja pembobotan yang intuitif.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Peta metode
Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.
Sumber
- Chernozhukov, V., Chetverikov, D., Demirer, M., Duflo, E., Hansen, C., Newey, W., & Robins, J. (2018). Double/debiased machine learning for treatment and structural parameters. The Econometrics Journal, 21(1), C1-C68. DOI: 10.1111/ectj.12097 ↗
- Hirano, K., Imbens, G. W., & Ridder, G. (2003). Efficient estimation of average treatment effects using the estimated propensity score. Econometrica, 71(4), 1161-1189. DOI: 10.1111/1468-0262.00442 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Machine Learning-Augmented Inverse Probability Weighting Estimator. ScholarGate. https://scholargate.app/id/causal-inference/machine-learning-augmented-inverse-probability-weighting
Metode yang mana?
Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.
- Estimasi Robust Ganda (AIPW)Inferensi Kausal↔ bandingkan
- Bobot Probabilitas Invers (IPW / IPTW)Inferensi Kausal↔ bandingkan
- Estimasi Robust Ganda yang Diperkuat Pembelajaran Mesin (ML-DR)Inferensi Kausal↔ bandingkan
- Pencocokan Skor Propensitas yang Diperkuat Pembelajaran MesinInferensi Kausal↔ bandingkan
- Pembobotan Skor Propensitas (PSW / IPW)Inferensi Kausal↔ bandingkan
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →