
관측 데이터에서 인과 효과를 추정할 때 기계 학습 기법을 활용하면 전통적인 통계 방법보다 비선형 혼란 요인을 더 잘 조정할 수 있다.


coremsg

관측-데이터를-활용한-인과-효과-추정-방법론-평가


관측 데이터를 활용한 인과 효과 추정 - 방법론 평가


title_rewrite


본 연구에서는 XGBoost 알고리즘의 강력한 예측 능력과 인과 추론 신경망 모델의 잠재적 결과 추정을 위한 유용한 표현 학습 능력을 결합한 새로운 C-XGBoost 모델을 제안한다. 제안된 모델은 결측값 처리와 과적합 방지를 위한 정규화 기법을 포함하고 있으며, 새로운 손실 함수를 통해 효과적으로 학습된다.


c-xgboost-관측-데이터를-활용한-인과-효과-추정을-위한-트리-부스팅-모델


C-XGBoost: 관측 데이터를 활용한 인과 효과 추정을 위한 트리 부스팅 모델
