双重机器学习

论文研究在高维干扰参数存在时，如何对低维处理效应或结构参数进行有效推断。作者指出，直接把正则化机器学习结果代入估计方程会因正则化偏差和过拟合而失去根号样本量收敛。双重/去偏机器学习结合Neyman正交得分与交叉拟合，降低目标参数对干扰函数误差的敏感性，并在较弱条件下获得近似无偏、渐近正态的估计；框架覆盖部分线性模型、工具变量、ATE、ATT和LATE等问题。