Double Machine Learning

Double/Debiased Machine Learning (DML), introduzido por Chernozhukov et al. (2018), é um framework semiparamétrico para estimar parâmetros causais ou estruturais na presença de controles de alta dimensionalidade. Ele utiliza métodos flexíveis de machine learning para modelar funções de incômodo (nuisance functions)—as expectativas condicionais do desfecho e do tratamento dadas covariáveis—e então constrói um estimador de viés reduzido (debiased) do parâmetro alvo que atinge consistência raiz-n e inferência válida, apesar do viés de regularização inerente a cenários de alta dimensionalidade.