Reka Bentuk Pecahan Regresi Kabur Diperkaya Pembelajaran Mesin

RDD kabur yang diperkaya ML meluaskan reka bentuk pecahan regresi kabur klasik dengan menggantikan anggaran polinomial parametrik dengan penganggar pembelajaran mesin yang fleksibel. Di mana RDD kabur standard menggunakan anggaran gaya IV pada ambang batas dengan pematuhan yang tidak sempurna, varian yang diperkaya ML memanfaatkan pelajar nonparametrik — seperti hutan rawak atau rangkaian saraf — untuk memodelkan kedua-dua hasil dan kebarangkalian rawatan peringkat pertama berhampiran potongan, mengurangkan bias salah spesifikasi sambil mengekalkan pengenalpastian sebab akibat.