本文提出，去偏机器学习中的平衡函数应源自 Neyman 正交分数，而不是仅仅依赖协变量。作者认为，虽然协变量平衡适用于回归误差仅取决于协变量的情况，但在异质性处理效应的情况下，它可能会导致特定于处理的组件不平衡。他们主张使用基于完整回归量基函数的 Riesz 回归进行回归量平衡，作为去偏机器学习的一个更普遍的原则。 AI
影响 为去偏机器学习引入了新的理论框架，有可能改进复杂数据集中的因果推断。
排序理由 这是一篇发表在 arXiv 上的研究论文，讨论了去偏机器学习的理论进展。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.06386v1 Announce Type: cross Abstract: This position paper argues that, in debiased machine learning, balancing functions should be derived from the Neyman orthogonal score, not chosen only as functions of covariates. Covariate balancing is effective when the regressio…
This position paper argues that, in debiased machine learning, balancing functions should be derived from the Neyman orthogonal score, not chosen only as functions of covariates. Covariate balancing is effective when the regression error entering the score can be represented by f…