ダブル機械学習

ダブル/脱偏機械学習（DML）は、Chernozhukovら（2018）によって導入された、高次元制御変数（covariates）が存在する場合の因果的または構造的パラメータを推定するための半パラメータ的フレームワークである。これは、結果変数と共変量を与えられた処置（treatment）の条件付き期待値という、厄介な関数（nuisance functions）をモデル化するために柔軟な機械学習手法を使用し、その後、高次元設定に固有の正則化バイアスにもかかわらず、根数n一致性（root-n consistency）と妥当な推論（valid inference）を達成するターゲットパラメータの脱偏推定量（debiased estimator）を構築する。