![](https://cdn-ak-scissors.b.st-hatena.com/image/square/63086df12525ea99564fd0bfac459dd0c12777c9/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBzaGluamlfa29taW5lJnR4dC1jb2xvcj0lMjMxRTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz00NmJhMDI3MWUyNGJkM2ZmMmFmYzA0YjVjMmI4NWE4Nw%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3D923cc2e73111966490fb5d8907171807)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
LaLondeデータセットに対して EConMLのDoubly Robust 推定を使って因果推論 - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
LaLondeデータセットに対して EConMLのDoubly Robust 推定を使って因果推論 - Qiita
はじめに 前回書いた記事LaLondeデータセットに対し傾向スコア(IPW)をPythonで実装して因果推論では、... はじめに 前回書いた記事LaLondeデータセットに対し傾向スコア(IPW)をPythonで実装して因果推論では、就労支援の効果に関する(人為的に作り出した)観察データであるLaLondeデータセットに対して、傾向スコアによる逆確率重み付き推定(IPW)で因果効果を推定しました。このデータでは対照群のデータ件数が多い不均衡データであるため、対照群のサンプルは大半が0に近い傾向スコアとなり、これの逆数である重みはわずかな誤差で不安定となってしまうことが原因でした。 今回は、傾向スコアとIPWを使った手法の発展形である Doubly Robust 推定を実施してみます。この推定をPythonで実施する際には、MicroSoftが提供しているライブラリ EconML を使います。初めにDoubly Robust 推定について説明して、それからEConMLを使って実際に就労支援の効果を推定します。