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.
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
- 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.
- Pembelajaran Mesin BergandaInferens Kausal↔ compare
- Anggaran Keboleh-Teguhan Berganda (AIPW)Inferens Kausal↔ compare
- Penimbang Kebarangkalian Songsang (IPW / IPTW)Inferens Kausal↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →