DoubleML/doubleml-for-py

해결하는 문제

DoubleML은 이중/편향 보정 기계학습 프레임워크를 제공하여 연구자가 처리 효과 및 구조적 파라미터를 추정할 수 있도록 하며, 일반적으로 기계학습 모델을 사용하여 부수적 함수를 추정할 때 발생하는 편향을 줄일 수 있습니다.

작동 방식

scikit-learn 위에 구축된 이 라이브러리는 Chernozhukov 등 (2018)의 프레임워크를 구현합니다. 객체 지향적 접근을 통해 기계학습 방법으로 부수적 함수를 추정하고, 네이먼 직교 스코어 함수를 계산하여 통계적 추론을 수행합니다. 부분 선형 회귀(PLR), 부분 선형 IV 회귀(PLIV), 인터랙티브 회귀(IRM), 인터랙티브 IV 회귀(IIVM) 등 다양한 모델 클래스를 지원합니다.

대상 사용자

기계학습 모델을 사용하여 구조적 파라미터에 대한 엄격한 통계적 추론을 수행해야 하는 경제학자, 데이터 과학자, 연구자.

주요 특징

• 유연한 모델 사양: 사용자가 부수적 함수, 리샘플링 방식, 이중 기계학습 알고리즘을 위한 자체 기계학습 모델을 정의할 수 있습니다.
• 포괄적인 통계 도구: 모델 피팅, 부트스트랩, 신뢰구간 계산, p값 조정을 위한 내장 메서드를 포함합니다.
• 확장 가능한 아키텍처: 새로운 모델 클래스, 콜러블을 통한 대체 스코어 함수, 대체 리샘플링 방식의 추가를 지원합니다.
• scikit-learn 통합: 기계학습 구성 요소에 기존의 scikit-learn 생태계를 활용합니다.