Maskininlärningsförstärkt invers sannolikhetsviktning (ML-IPW)

Maskininlärningsförstärkt invers sannolikhetsviktning ersätter parametrisk logistisk regression med flexibla ML-algoritmer för att skatta behandlingspropensitypoäng, och omviktar sedan urvalet för att balansera behandlade enheter och kontrollytor. Genom att utnyttja dataadaptiva inlärningsalgoritmer som lasso, random forests eller gradient boosting, kontrollerar ML-IPW för högdimensionella och icke-linjära confounders som klassisk IPW missar, samtidigt som den intuitiva viktningsramen bibehålls.