Învățare Automată Dublă
Învățarea Automată Dublă/Debiased (DML), introdusă de Chernozhukov et al. (2018), este un cadru semiparametric pentru estimarea parametrilor cauzali sau structurali în prezența controlorilor de înaltă dimensionalitate. Utilizează metode flexibile de învățare automată pentru a modela funcțiile de deranjament — așteptările condiționate ale rezultatului și tratamentului, date fiind covariabilele — și apoi construiește un estimator debiasat al parametrului țintă care atinge consistența rădăcină-n și inferența validă, în ciuda biasului de regularizare inerent setărilor de înaltă dimensionalitate.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- Chernozhukov, V., Chetverikov, D., Demirer, M., Duflo, E., Hansen, C., Newey, W., & Robins, J. (2018). Double/debiased machine learning for treatment and structural parameters. The Econometrics Journal, 21(1), C1–C68. DOI: 10.1111/ectj.12097 ↗
Cum se citează această pagină
ScholarGate. (2026, June 2). Double/Debiased Machine Learning (DML). ScholarGate. https://scholargate.app/ro/causal-inference/double-machine-learning
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.
- Estimare Dublu Robustă (AIPW)Inferență cauzală↔ compare
- Efecte de Tratament Eterogene (CATE / Meta-învățători)Inferență cauzală↔ compare
- Pădurea Aleatoare (Random Forest)Învățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →