Dvojité strojové učenie
Dvojité/debiované strojové učenie (DML), ktoré predstavili Chernozhukov et al. (2018), je semiparametrický rámec na odhad kauzálnych alebo štrukturálnych parametrov za prítomnosti vysokorozmerných kontrolných premenných. Využíva flexibilné metódy strojového učenia na modelovanie rušivých funkcií – podmienených očakávaní výsledku a liečby vzhľadom na kovariáty – a následne konštruuje debiovaný odhad cieľového parametra, ktorý dosahuje konzistenciu typu root-n a platnú inferenciu napriek regularizačnému skresleniu inherentnému vo vysokorozmerných nastaveniach.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 2). Double/Debiased Machine Learning (DML). ScholarGate. https://scholargate.app/sk/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.
- Dvojito robustná (AIPW) estmáciaKauzálna inferencia↔ compare
- Heterogénne kauzálne efekty (CATE / Meta-Learners)Kauzálna inferencia↔ compare
- Náhodný lesStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →