Double Machine Learning

DML的核心思想是使用机器学习模型分别拟合结果变量和处理变量，再通过正交化（Neyman正交性）和交叉拟合（cross-fitting）消除正则化偏差，从而得到无偏且√n-一致的估计量。

该研究提出了一个基于Double Machine Learning的因果机器学习框架，用于估计分区类型特定的处理效应（商业区 vs 住宅区）。