20、因果推断与机器学习：从匹配到元学习器及高级估计方法

因果推断与机器学习：从匹配到元学习器及高级估计方法

1. X-Learner 模型介绍

X-Learner 是一种强大的因果推断模型。在其构建过程中，步骤 3 是拟合最终模型 η，它能直接从特征 X 预测估计值 $\hat{\hat{d}}$，即 $\hat{\hat{d}}_i = \eta(X_i)$，这里使用双帽子表示它是对估计值的再估计。

Rob 的 X-Learner 仅需三个模型（$\mu_0$、$\mu_1$ 和 η），相比经典 X-Learner 的五个模型（$\mu_0$、$\mu_1$、$\nu_0$、$\nu_1$ 和 $\hat{e}$），实现了很大的简化。

1.1 实现 X-Learner

理解 X-Learner 的工作原理后，我们将其应用到数据中，并与其他简单模型进行性能比较。以下是实现代码：

estimate = model.estimate_effect(
    identified_estimand=estimand,
    method_name='backdoor.econml.metalearners.XLearner',
    target_units='ate',
    method_params={
        'init_params': {
            'models': [
                LGBMRegressor(n_estimators=50,
                              max_depth=10),
                LGBMRe