文档摘要

4.3 双重机器学习与现代估计 本节摘要：双重机器学习（DML）用 Neyman 正交矩条件与交叉拟合两件武器，让倾向得分和结果模型都可以交给高容量机器学习器，同时保持 √n 收敛与有效置信区间。本节讲清朴素"先预测后回归"的正则化偏倚从何而来、正交化如何消除一阶偏倚、交叉拟合如何切断过拟合回路，并给出 AIPW 的公式与概念实现。 会员。《4.3 双重机器学习与现代估计》收录于灏天文库文集《因果推断 (Causal Inference)》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/655-%E5%9B%A0%E6%9E%9C%E6%8E%A8%E6%96%AD-causal-inference

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流