Maskinlærings-augmentert invers sannsynlighetsvekting (ML-IPW)

Maskinlærings-augmentert invers sannsynlighetsvekting erstatter parametrisk logistisk regresjon med fleksible ML-algoritmer for å estimere behandlingssannsynlighetsscore, og vekter deretter utvalget for å balansere behandlede og kontrollenheter. Ved å utnytte datatilpasningsdyktige læringsmodeller som lasso, random forests eller gradient boosting, kontrollerer ML-IPW for høy-dimensjonale og ikke-lineære konfunderende variabler som klassisk IPW går glipp av, samtidig som den intuitive vektingsrammen beholdes.