Addressing sample selection bias for machine learning methods
纠正机器学习方法中的样本选择偏误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。
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：摘要重点是机器学习预测中的样本选择纠正，未明确对应所列的因果、面板、收益预测等细分方向。
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…
关注这篇论文的作者
纠正机器学习方法中的样本选择偏误
- 研究问题
- 当训练样本与预测样本在不可观测维度上存在选择差异时，常用机器学习方法如何受到影响，又如何纠正预测偏误？
- 方法与思路
- 作者提出两种控制函数方法，在训练前消除样本选择偏误的影响，并用模拟及州长竞选中现任者得票预测检验。
- 材料陈述的贡献
- 摘要称，不可观测选择会提高预测均方误差，常见加权或加变量做法可能加剧偏误，而所提控制函数方法在模拟中降低误差。
- 阅读关注点
- 应核对两种控制函数的识别条件、选择机制与预测目标的关系，以及模拟和选举应用中训练样本如何形成。
- 阅读边界
- 仅据所给 Crossref 摘要，控制函数所需假设、选择机制的可识别性及具体误差改善幅度均未说明，不能据此认定普遍有效。
原文摘要
Summary We study approaches for adjusting machine learning methods when the training sample differs from the prediction sample on unobserved dimensions. The machine learning literature predominately assumes selection only on observed dimensions. Common approaches are to weight or include variables that influence selection as solutions to selection on observables. Simulation results show that selection on unobservables increases mean squared prediction error using popular machine‐learning algorithms. Common machine learning practices such as weighting or including variables that influence selection into the training or prediction sample often worsen sample selection bias. We propose two control function approaches that remove the effects of selection bias before training and find that they reduce mean‐squared prediction error in simulations. We apply these approaches to predicting the vote share of the incumbent in gubernatorial elections using previously observed re‐election bids. We find that ignoring selection on unobservables leads to substantially higher predicted vote shares for the incumbent than when the control function approach is used.