Automatic Debiased Machine Learning via Neural Nets for Generalized Linear Regression
Automatic Debiased Machine Learning via Neural Nets for Generalized Linear Regression
复制标题
通过神经网络进行自动去偏机器学习以实现广义线性回归
DOI：
--
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Vasilis Syrgkanis
中科院分区：
文献类型：
--
作者：
Victor Chernozhukov Mit;Whitney Newey;Victor Quintas;Vasilis Syrgkanis
我们给出了依赖于广义线性回归的感兴趣参数的无偏机器学习器，这些回归使残差与回归变量正交。感兴趣的参数包括许多因果关系和政策因素等。我们给出了只依赖于感兴趣对象和回归残差就能自动进行偏差校正的神经网络学习器。给出了这些神经网络的收敛速度，以及更一般的偏差校正学习器的收敛速度。我们还给出了感兴趣对象的学习器的渐近正态和一致渐近方差估计的条件。
We give debiased machine learners of parameters of interest that depend on generalized linear regressions, which regressions make a residual orthogonal to regressors. The parameters of interest include many causal and policy effects. We give neural net learners of the bias correction that are automatic in only depending on the object of interest and the regression residual. Convergence rates are given for these neural nets and for more general learners of the bias correction. We also give conditions for asymptotic normality and consistent asymptotic variance estimation of the learner of the object of interest.
DOI：
--
发表时间：
2017-11
期刊：
arXiv: Methodology
影响因子：
--
作者：
David A. Hirshberg;Stefan Wager
通讯作者：
David A. Hirshberg;Stefan Wager
影响因子：
4.5
作者：
Tchetgen EJ;Shpitser I
通讯作者：
Shpitser I
影响因子：
1.8
作者：
Ichimura, Hidehiko;Newey, Whitney K.
通讯作者：
Newey, Whitney K.