Siri Masa Terganggu yang Dipertingkat Pembelajaran Mesin
Siri Masa Terganggu yang Dipertingkat Pembelajaran Mesin (ML-ITS) menganggarkan kesan kausal suatu intervensi diskret dengan melatih model pembelajaran mesin pada data siri masa pra-intervensi, memproyeksikan trajektori kontrafaktual ke dalam tempoh pasca-intervensi, dan mengukur jurang antara hasil yang diperhatikan dan yang diramalkan. Ia melanjutkan ITS klasik dengan menggantikan andaian trend parametrik dengan penganggar ML yang fleksibel seperti model siri masa struktur Bayesian, pokok pemotongan kecerunan, atau pokok rawak.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Brodersen, K. H., Gallusser, F., Koehler, J., Remy, N., & Scott, S. L. (2015). Inferring causal impact using Bayesian structural time-series models. Annals of Applied Statistics, 9(1), 247-274. DOI: 10.1214/14-AOAS788 ↗
- Varian, H. R. (2014). Big Data: New Tricks for Econometrics. Journal of Economic Perspectives, 28(2), 3-28. DOI: 10.1257/jep.28.2.3 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Machine Learning-Augmented Interrupted Time Series Analysis. ScholarGate. https://scholargate.app/ms/causal-inference/machine-learning-augmented-interrupted-time-series
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Analisis Impak KausalInferens Kausal↔ compare
- Perbezaan-dalam-Perbezaan (Diff-in-Diff)Ekonometrik↔ compare
- Dynamic Interrupted Time SeriesInferens Kausal↔ compare
- Analisis Siri Masa Terganggu (ITS)Inferens Kausal↔ compare
- Perbezaan dalam Perbezaan Dipertingkat Pembelajaran Mesin (ML-DiD)Inferens Kausal↔ compare
- Kaedah Kawalan Sintetik (SCM)Inferens Kausal↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →