Double Machine Learning

Double/Debiased Machine Learning (DML), introdotto da Chernozhukov et al. (2018), è un framework semiparametrico per la stima di parametri causali o strutturali in presenza di controlli ad alta dimensionalità. Utilizza metodi flessibili di machine learning per modellare le funzioni di disturbo (nuisance functions)—le aspettative condizionali dell'esito e del trattamento dati i covariati—e quindi costruisce uno stimatore corretto (debiased) del parametro target che raggiunge consistenza di radice n e inferenza valida nonostante il bias di regolarizzazione intrinseco in contesti ad alta dimensionalità.