이중 기계 학습

Chernozhukov 등 (2018)이 소개한 이중/편향 제거 기계 학습 (Double/Debiased Machine Learning, DML)은 고차원 제어 변수가 있는 상황에서 인과 또는 구조적 모수를 추정하기 위한 준모수적 프레임워크입니다. 이 방법은 기계 학습의 유연한 방법을 사용하여 잡음 함수(nuisance functions)—결과 변수와 공변량에 주어진 처치 변수의 조건부 기댓값—를 모델링하고, 그런 다음 목표 모수에 대한 편향 제거 추정량을 구성하여 고차원 설정에 내재된 정규화 편향에도 불구하고 근본 n 일관성(root-n consistency)과 유효한 추론을 달성합니다.