Машинско учење-појачана прекидна временска серија
Машинско учење-појачана прекидна временска серија (ML-ITS) процењује каузални ефекат дискретне интервенције тренирањем модела машинског учења на подацима временске серије пре интервенције, пројектовањем контрафактуалне путање у пост-интервентни период и мерењем јаза између посматраних и предвиђених исхода. Она проширује класичну ITS заменом параметарских претпоставки о тренду флексибилним ML процењивачима као што су градијентно појачање, случајне шуме или Бајесовски модели временских серија (Bayesian structural time-series models).
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- Brodersen, K. H., Gallusser, F., Koehler, J., Remy, N., & Scott, S. L. (2015). Inferring causal impact using Bayesian structural time-series models. Annals of Applied Statistics, 9(1), 247-274. DOI: 10.1214/14-AOAS788 ↗
- Varian, H. R. (2014). Big Data: New Tricks for Econometrics. Journal of Economic Perspectives, 28(2), 3-28. DOI: 10.1257/jep.28.2.3 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Machine Learning-Augmented Interrupted Time Series Analysis. ScholarGate. https://scholargate.app/sr/causal-inference/machine-learning-augmented-interrupted-time-series
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.
- Analiza uzročnog uticajaKauzalno zaključivanje↔ compare
- Razlika u razlikama (Diff-in-Diff)Ekonometrija↔ compare
- Dinamički prekinuti vremenski nizKauzalno zaključivanje↔ compare
- Analiza prekinutih vremenskih serija (ITS)Kauzalno zaključivanje↔ compare
- Mašinsko učenje-augmentovano razlika-u-razlici (ML-DiD)Kauzalno zaključivanje↔ compare
- Metoda sintetičke kontrole (SCM)Kauzalno zaključivanje↔ compare
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →