面试题库 › 算法 / 大模型 › 双重机器学习 DML 的原理

双重机器学习 DML 的原理

难度 ★★★在 1 场真实面经中被问到 方向:算法 / 大模型考点:AB 实验与因果推断

哪些公司问过

拼多多1

常见岗位:人工智能

答案要点

  1. 目标:在高维混杂下估计处理效应 θ,如部分线性模型 Y = θD + g(X) + ε
  2. 两步:用 ML 分别估计 E[Y|X] 和 E[D|X],取残差后做残差对残差回归
  3. Neyman 正交性:得分函数对冗余参数的一阶导数为零,削弱 ML 估计误差的影响
  4. 交叉拟合:分折训练与预测并轮换,避免过拟合偏差并利用全部样本
  5. 在正则条件下 θ 估计 √n 一致、渐近正态;仍需无未观测混杂与重叠性假设

易错点

面试官常见追问

完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。

相关面试题