Что такое Double Machine Learning?
Его также называют Debiased Machine Learning.
Double Machine Learning (DML) — метод каузального анализа, оценивающий причинный эффект (treatment) на outcome при наличии множества сложных признаков-конфаундеров. Для этого ML-моделями отдельно предсказывают treatment и outcome по конфаундерам, затем работают с остатками. Treatment (T, воздействие) — действие или фактор, эффект которого изучают: например, приём лекарства или показ рекламы. Outcome (Y, исход) — результат: выздоровление, покупка, доход. Confounder (X, конфаундер) — переменная, влияющая и на treatment, и на outcome, создавая ложную корреляцию. Например, тяжесть болезни влияет и на назначение лекарства, и на выздоровление. Метод называется двойным машинным обучением, потому что применяются две ML-модели:
- одна предсказывает [Y] (outcome) по конфаундерам [X];
- другая предсказывает [T] (treatment) по [X]. Затем из [Y] и [T] вычитают предсказанные части и оценивают связь между остатками.
Это уменьшает влияние конфаундеров и смещение от переобучения.