ScholarGate
Pembantu
Regression modelQuasi-experimental / causal inference

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.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

The neighbourhood of related methods — select a node to explore.

Sumber

  1. 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
  2. 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.

Compare side by side
ScholarGateMachine Learning-Augmented Interrupted Time Series (Machine Learning-Augmented Interrupted Time Series Analysis). Dicapai 2026-06-15 daripada https://scholargate.app/ms/causal-inference/machine-learning-augmented-interrupted-time-series · Set data: https://doi.org/10.5281/zenodo.20539026