Strojové učenie-augmentovaná entropická vyváženosť
Strojové učenie-augmentovaná entropická vyváženosť (ML-EB) kombinuje Hainmuellerov re-váhovací mechanizmus entropickej vyváženosti s modelom výsledku strojového učenia, aby sa získal dvojito robustný kauzálny odhad. Spoločnou optimalizáciou váh vyváženosti kovariátov a flexibilnou úpravou predikovaného výsledku ML-EB poskytuje konzistentné odhady účinkov liečby, aj keď je váhovací alebo výsledkový model nesprávne špecifikovaný, a zvláda vysokodimenzionálne priestory kovariátov, ktoré klasická entropická vyváženosť nedokáže ľahko vyvážiť.
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
- Hainmueller, J. (2012). Entropy balancing for causal effects: A multivariate reweighting method to produce balanced samples in observational studies. Political Analysis, 20(1), 25-46. DOI: 10.1093/pan/mpr025 ↗
- Zhao, Q., & Percival, D. (2017). Entropy balancing is doubly robust. Journal of Causal Inference, 5(1), 20160010. DOI: 10.1515/jci-2016-0010 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Machine Learning-Augmented Entropy Balancing for Causal Inference. ScholarGate. https://scholargate.app/sk/causal-inference/machine-learning-augmented-entropy-balancing
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
- Vyváženie pomocou entropieKauzálna inferencia↔ compare
- Vážená inverzná pravdepodobnosť liečby (IPW / IPTW)Kauzálna inferencia↔ compare
- Zodpovedajúce skóre sklonuŠtatistika vo výskume↔ compare
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →