Học máy kép

Học máy kép/Khử thiên vị (Double/Debiased Machine Learning - DML), được giới thiệu bởi Chernozhukov và cộng sự (2018), là một khuôn khổ bán tham số (semiparametric framework) để ước lượng các tham số nhân quả hoặc cấu trúc trong sự hiện diện của các biến kiểm soát chiều cao. Nó sử dụng các phương pháp học máy linh hoạt để mô hình hóa các hàm nhiễu (nuisance functions)—kỳ vọng có điều kiện của kết quả và biến xử lý dựa trên các đồng biến—và sau đó xây dựng một ước lượng đã khử thiên vị (debiased estimator) của tham số mục tiêu, đạt được tính nhất quán bậc căn bậc hai của n (root-n consistency) và suy luận hợp lệ bất chấp thiên vị điều chuẩn hóa (regularization bias) vốn có trong các thiết lập chiều cao.