Машинно-обучаемая дополненная маргинальная структурная модель (ML-MSM)
Машинно-обучаемая дополненная маргинальная структурная модель сочетает причинную строгость структуры MSM Робинса и др. с гибкими, адаптирующимися к данным ML-алгоритмами для оценки склонностей и моделей исходов. Заменяя параметрические вспомогательные модели ансамблевыми учениками или нейронными сетями, ML-MSM получают достоверные причинные оценки при смешивании без опоры на корректно специфицированные параметрические формы.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Robins, J. M., Hernan, M. A., & Brumback, B. (2000). Marginal structural models and causal inference in epidemiology. Epidemiology, 11(5), 550-560. DOI: 10.1097/00001648-200009000-00011 ↗
- Luedtke, A. R., & van der Laan, M. J. (2016). Statistical inference for the mean outcome under a possibly non-unique optimal treatment strategy. Annals of Statistics, 44(2), 713-742. DOI: 10.1214/15-AOS1384 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Machine Learning-Augmented Marginal Structural Model with Flexible Nuisance Estimation. ScholarGate. https://scholargate.app/ru/causal-inference/machine-learning-augmented-marginal-structural-model
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.
- Двухробастное оценивание (AIPW)Причинно-следственный вывод↔ compare
- Взвешивание по обратной вероятности лечения (IPW / IPTW)Причинно-следственный вывод↔ compare
- Усиленная машинным обучением дважды робастная оценка (ML-DR)Причинно-следственный вывод↔ compare
- Маргинальная структурная модель (MSM)Причинно-следственный вывод↔ compare
- Взвешивание на основе оценки склонности (PSW / IPW)Причинно-следственный вывод↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →