Машинное обучение с дополненным нечетким регрессионным разрывом

ML-augmented fuzzy RDD расширяет классический нечеткий регрессионный разрыв, заменяя параметрические полиномиальные аппроксимации гибкими оценщиками машинного обучения. Там, где стандартный fuzzy RDD использует оценку в стиле инструментальных переменных (IV) на пороге с несовершенным соблюдением, вариант с ML-дополнением использует непараметрические ученики — такие как случайные леса или нейронные сети — для моделирования как исхода, так и вероятности лечения на первой стадии вблизи отсечки, уменьшая смещение из-за неправильной спецификации при сохранении причинной идентификации.