Усиленная машинным обучением дважды робастная оценка (ML-DR)

Усиленная машинным обучением дважды робастная (ML-DR) оценка сочетает классическую дважды робастную стратегию идентификации (AIPW) с гибкими моделями машинного обучения для вспомогательных функций — функции склонности и регрессии результата. В результате получается причинно-следственная оценка, которая состоятельна, если любой компонент машинного обучения специфицирован корректно, и которая обеспечивает валидный вывод со скоростью root-n, даже когда вспомогательные модели оцениваются с помощью высокоразмерной регуляризации или непараметрических методов обучения.