Mô hình cấu trúc biên tăng cường học máy (ML-MSM)
Mô hình cấu trúc biên tăng cường học máy kết hợp sự chặt chẽ về nhân quả của khung MSM của Robins và cộng sự với các thuật toán học máy (ML) linh hoạt, thích ứng với dữ liệu để ước tính điểm xu hướng và các mô hình kết quả. Bằng cách thay thế các mô hình nhiễu tham số bằng các bộ học tổng hợp hoặc mạng nơ-ron, ML-MSM thu được các ước tính nhân quả hợp lệ dưới sự nhiễu loạn mà không cần dựa vào các dạng tham số được chỉ định chính xác.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- Robins, J. M., Hernan, M. A., & Brumback, B. (2000). Marginal structural models and causal inference in epidemiology. Epidemiology, 11(5), 550-560. DOI: 10.1097/00001648-200009000-00011 ↗
- Luedtke, A. R., & van der Laan, M. J. (2016). Statistical inference for the mean outcome under a possibly non-unique optimal treatment strategy. Annals of Statistics, 44(2), 713-742. DOI: 10.1214/15-AOS1384 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Machine Learning-Augmented Marginal Structural Model with Flexible Nuisance Estimation. ScholarGate. https://scholargate.app/vi/causal-inference/machine-learning-augmented-marginal-structural-model
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.
- Ước lượng Mạnh mẽ Kép (AIPW)Suy luận nhân quả↔ compare
- Trọng số Xác suất Nghịch đảo của Điều trị (IPW / IPTW)Suy luận nhân quả↔ compare
- Ước lượng mạnh mẽ kép tăng cường học máy (ML-DR)Suy luận nhân quả↔ compare
- Mô hình cấu trúc biên (MSM)Suy luận nhân quả↔ compare
- Trọng số điểm xu hướng (PSW / IPW)Suy luận nhân quả↔ compare
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →