因果推論でよくやるテク)によって実施する ◦ X, W, TからYを予測する任意のモデルを作成し、処置 tにおける予測値を gt(Xi, Wi) とする(S-Learnerと類似) ◦ X, Wから処置を予測するモデルを作成し、処置 tをとる確率を pt(Xi, Wi) とする ◦ i番目のデータが処置 tのもとでとるであろう outcomeを以下のように予測する (Doubly Robust) • 2段階目でfinal modelを作成 ◦ 処置tごとに、 を Xi に回帰するモデルを作成することで、 CATEである τ(x, 0, t) を直接推定 ◦ 2段階目のモデル作成時に利用する推定手法を制限する(線形回帰、あるいは Honest Forest を使ったノンパラ回帰)ことで、 推定量の漸近正規性や信頼区間の有効性を保証できる ✅ MetaLearnersで諦めていた、Wがある場合や信頼区間を構築したい場合も扱えるように ❌ 連続の処置変数は扱えない。特定の処置確率が小さい (X,W) の領域がある場合は分散が大きくなる