ScholarGate
Pembantu
Machine learningCausal ML

Penilaian Maksimum Kemungkinan Sasaran (TMLE)

Penilaian Maksimum Kemungkinan Sasaran (TMLE) ialah kaedah inferens kausal semiparametrik, dwi-teguh yang diperkenalkan oleh Mark van der Laan dan Daniel Rubin pada tahun 2006. Ia menggabungkan model pembelajaran mesin yang fleksibel untuk kedua-dua hasil dan mekanisme tugasan rawatan, kemudian menggunakan langkah penyasaran yang membetulkan semula model hasil awal khusus untuk mengurangkan bias bagi kuantiti anggaran kausal yang telah ditentukan terlebih dahulu seperti kesan rawatan purata. TMLE digunakan secara meluas dalam epidemiologi, biostatistik, dan ekonomi kesihatan apabila menganggarkan kesan kausal daripada data pemerhatian.

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. van der Laan, M. J., & Rubin, D. (2006). Targeted maximum likelihood learning. The International Journal of Biostatistics, 2(1). DOI: 10.2202/1557-4679.1043

Cara memetik halaman ini

ScholarGate. (2026, June 2). Targeted Maximum Likelihood Estimation (TMLE). ScholarGate. https://scholargate.app/ms/causal-inference/targeted-maximum-likelihood

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
ScholarGateTargeted Maximum Likelihood Estimation (Targeted Maximum Likelihood Estimation (TMLE)). Dicapai 2026-06-15 daripada https://scholargate.app/ms/causal-inference/targeted-maximum-likelihood · Set data: https://doi.org/10.5281/zenodo.20539026