发明

基于双机器学习的因果效应估计方法、系统、设备及介质2026

2024-06-01 08:02:25 发布于四川 20
  • 申请专利号:CN202410279584.4
  • 公开(公告)日:2026-08-07
  • 公开(公告)号:CN118095436A
  • 申请人:中国科学技术大学
摘要:本发明公开了一种基于双机器学习的因果效应估计方法、系统、设备及介质,基于双机器学习,可以灵活地选取回归函数和倾向得分的估计方法,且在均方根误差意义下,即使回归函数和倾向得分的估计的收敛速率仅为n‑1/4,因果效应仍然是渐进正态的;基于双机器学习,提高了模型的鲁棒性,可以有效地处理高维特征;基于聚类,可以通过大量控制样本的信息来解决干预样本不足带来的问题;总体来说,通过本发明提供的方案可以提升因果效应估计性能,获得更为准确的因果效应估计结果。

专利内容

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 118095436 A (43)申请公布日 2024.05.28 (21)申请号 202410279584.4 (22)申请日 2024.03.12 (71)申请人 中国科学技术大学 地址 230026 安徽省合肥市包河区金寨路 96号 (72)发明人 陈欢欢 罗康洋 吕胜飞 王新  (74)专利代理机构 北京凯特来知识产权代理有 限公司 11260 专利代理师 韩珂 郑立明 (51)Int.Cl. G06N 5/04 (2023.01) G06F 18/23213 (2023.01) G06F 18/27 (2023.01) G06N 20/00 (2019.01) 权利要求书2页 说明书6页 附图2页 (54)发明名称 基于双机器学习的因果效应估计方法、系 统、设备及介质 (57)摘要 本发明公开了一种基于双机器学习的因果 效应估计方法、系统、设备及介质,基于双机器学 习,可以灵活地选取回归函数和倾向得分的估计 方法,且在均方根误差意义下,即使回归函数和 倾向得分的估计的收敛速率仅为n‑1/4 ,因果效应 仍然是渐进正态的;基于双机器学习,提高了模 型的鲁棒性,可以有效地处理高维特征;基于聚 类,可以通过大量控制样本的信息来解决干预样 本不足带来的问题;总体来说,通过本发明提供 的方案可以提升因果效应估计性能,获得更为准 确的因果效应估计结果。 A 6 3 4 5 9

最新专利