DoubleML -- An Object-Oriented Implementation of Double Machine Learning in Python
DoubleML：双重机器学习的 Python 面向对象实现AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确将软件定位于多类因果模型和因果参数推断，机器学习在此用于辅助参数估计，因此直接归入因果推断。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
DoubleML：双重机器学习的 Python 面向对象实现
- 研究问题
- 如何在 Python 中灵活实现多类因果模型的双重机器学习，并在使用机器学习估计辅助参数时支持因果参数的有效推断？
- 方法与思路
- 作者介绍开源 DoubleML 库，以面向对象结构组织模型设定和扩展，并依托 scikit-learn 等科学计算库实现相关功能。
- 材料陈述的贡献
- 摘要所述贡献是提供双重机器学习的软件实现、可扩展模型接口及文档资源，并称其支持机器学习辅助估计下的有效因果推断。
- 阅读关注点
- 应核对所覆盖模型、各模型的识别及推断条件、辅助学习器接口和数据划分机制，并检查示例与软件版本的对应关系。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收状态未核实；摘要未列出完整模型范围、推断条件或性能测试，软件现状也未核验。
原文摘要
DoubleML is an open-source Python library implementing the double machine learning framework of Chernozhukov et al. (2018) for a variety of causal models. It contains functionalities for valid statistical inference on causal parameters when the estimation of nuisance parameters is based on machine learning methods. The object-oriented implementation of DoubleML provides a high flexibility in terms of model specifications and makes it easily extendable. The package is distributed under the MIT license and relies on core libraries from the scientific Python ecosystem: scikit-learn, numpy, pandas, scipy, statsmodels and joblib. Source code, documentation and an extensive user guide can be found at https://github.com/DoubleML/doubleml-for-py and https://docs.doubleml.org.