Dobbel maskinlæring

Dobbel/avbiasert maskinlæring (DML), introdusert av Chernozhukov et al. (2018), er et semiparametrisk rammeverk for å estimere kausale eller strukturelle parametere i nærvær av høydimensjonale kontrollvariabler. Det bruker fleksible maskinlæringsmetoder for å modellere «nuisance»-funksjoner – de betingede forventningsverdiene til utfallsvariabelen og behandlingen gitt kovariater – og konstruerer deretter en avbiaset estimator av målparameteren som oppnår rot-n-konsistens og gyldig inferens til tross for regulariseringsskjevheten som er iboende i høydimensjonale innstillinger.