ScholarGate
Asisten
Regression modelQuasi-experimental / causal inference

Model Struktural Marginal yang Diperkaya Pembelajaran Mesin (ML-MSM)

Model struktural marginal yang diperkaya pembelajaran mesin menggabungkan ketelitian kausal dari kerangka kerja MSM Robins et al. dengan algoritma ML yang fleksibel dan adaptif terhadap data untuk mengestimasi skor kecenderungan dan model hasil. Dengan mengganti model pengganggu parametrik dengan pembelajar ansambel atau jaringan saraf, ML-MSM memulihkan estimasi kausal yang valid di bawah pengacauan tanpa bergantung pada bentuk parametrik yang ditentukan dengan benar.

Buka di MethodMindSegeraVideoSegeraUnduh salindia

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Peta metode

Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.

Sumber

  1. 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
  2. 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

Cara menyitasi halaman ini

ScholarGate. (2026, June 3). Machine Learning-Augmented Marginal Structural Model with Flexible Nuisance Estimation. ScholarGate. https://scholargate.app/id/causal-inference/machine-learning-augmented-marginal-structural-model

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.

Bandingkan berdampingan
ScholarGateMachine Learning-Augmented Marginal Structural Model (Machine Learning-Augmented Marginal Structural Model with Flexible Nuisance Estimation). Diakses 2026-06-15 dari https://scholargate.app/id/causal-inference/machine-learning-augmented-marginal-structural-model · Set data: https://doi.org/10.5281/zenodo.20539026