Buchumschlag

Dynamic Synthetic Controls vs. Panel-Aware Double Machine Learning for Geo-Level Marketing Impact Estimation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lee, Sang Su, Loganathan, Vineeth, Raghavan, Vijay
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Double Machine Learning for Causal Inference under Shared-State Interference
von: Hays, Chris, et al.
Veröffentlicht: (2025)

Double Machine Learning for Static Panel Models with Fixed Effects
von: Clarke, Paul S., et al.
Veröffentlicht: (2023)

xtdml: Double Machine Learning Estimation to Static Panel Data Models with Fixed Effects in R
von: Polselli, Annalivia
Veröffentlicht: (2025)

Beyond the Hype: Embeddings vs. Prompting for Multiclass Classification Tasks
von: Kokkodis, Marios, et al.
Veröffentlicht: (2025)

Double Machine Learning meets Panel Data -- Promises, Pitfalls, and Potential Solutions
von: Fuhr, Jonathan, et al.
Veröffentlicht: (2024)

Double Machine Learning for Static Panel Data with Instrumental Variables: New Method and Applications
von: Baiardi, Anna, et al.
Veröffentlicht: (2026)

On Understanding of the Dynamics of Model Capacity in Continual Learning
von: Chakraborty, Supriyo, et al.
Veröffentlicht: (2025)

Machine Learning Framework for Early Power, Performance, and Area Estimation of RTL
von: Chattopadhyay, Anindita, et al.
Veröffentlicht: (2025)

Time-Aware Synthetic Control
von: Rho, Saeyoung, et al.
Veröffentlicht: (2026)

Disentangled Double Machine Learning for Accurate Causal Effect Estimation
von: Xiang, Guodu, et al.
Veröffentlicht: (2026)

FW-Shapley: Real-time Estimation of Weighted Shapley Values
von: Panda, Pranoy, et al.
Veröffentlicht: (2025)

TinyTorch: Building Machine Learning Systems from First Principles
von: Reddi, Vijay Janapa
Veröffentlicht: (2026)

Dynamic Entropy Tuning in Reinforcement Learning Low-Level Quadcopter Control: Stochasticity vs Determinism
von: Mahran, Youssef, et al.
Veröffentlicht: (2025)

Unveiling the Impact of Macroeconomic Policies: A Double Machine Learning Approach to Analyzing Interest Rate Effects on Financial Markets
von: Kumar, Anoop, et al.
Veröffentlicht: (2024)

Estimating Causal Effects with Double Machine Learning -- A Method Evaluation
von: Fuhr, Jonathan, et al.
Veröffentlicht: (2024)

Learning to Price: Interpretable Attribute-Level Models for Dynamic Markets
von: Sethuraman, Srividhya, et al.
Veröffentlicht: (2026)

Operationalization of Machine Learning with Serverless Architecture: An Industrial Operationalization of Machine Learning with Serverless Architecture: An Industrial Implementation for Harmonized System Code Prediction
von: Kandappareddigari, Sai Vineeth, et al.
Veröffentlicht: (2026)

The Effect of Architecture During Continual Learning
von: Hahn, Allyson, et al.
Veröffentlicht: (2026)

NESTER: An Adaptive Neurosymbolic Method for Causal Effect Estimation
von: Reddy, Abbavaram Gowtham, et al.
Veröffentlicht: (2022)

Double Machine Learning at Scale to Predict Causal Impact of Customer Actions
von: More, Sushant, et al.
Veröffentlicht: (2024)

High-dimensional Level Set Estimation with Trust Regions and Double Acquisition Functions
von: Ngo, Giang, et al.
Veröffentlicht: (2026)

Leveling the Playing Field: Carefully Comparing Classical and Learned Controllers for Quadrotor Trajectory Tracking
von: Kunapuli, Pratik, et al.
Veröffentlicht: (2025)

Fast and Accurate Identification of Hardware Trojan Locations in Gate-Level Netlist using Nearest Neighbour Approach integrated with Machine Learning Technique
von: Chattopadhyay, Anindita, et al.
Veröffentlicht: (2025)

Depth-Aware Initialization for Stable and Efficient Neural Network Training
von: Pandey, Vijay
Veröffentlicht: (2025)

Model Averaging and Double Machine Learning
von: Ahrens, Achim, et al.
Veröffentlicht: (2024)

Double Machine Learning Methods for Estimating Average Treatment Effects: A Comparative Study
von: Tan, Xiaoqing, et al.
Veröffentlicht: (2022)

Similarity-Aware Mixture-of-Experts for Data-Efficient Continual Learning
von: Mclaughlin, Connor, et al.
Veröffentlicht: (2026)

ML$^2$Tuner: Efficient Code Tuning via Multi-Level Machine Learning Models
von: Cha, JooHyoung, et al.
Veröffentlicht: (2024)

Incentive-Aware Federated Averaging with Performance Guarantees under Strategic Participation
von: Maleki, Fateme, et al.
Veröffentlicht: (2026)

Estimating Conditional Mutual Information for Dynamic Feature Selection
von: Gadgil, Soham, et al.
Veröffentlicht: (2023)

Synthetic Blips: Generalizing Synthetic Controls for Dynamic Treatment Effects
von: Agarwal, Anish, et al.
Veröffentlicht: (2022)

An Introduction to Double/Debiased Machine Learning
von: Ahrens, Achim, et al.
Veröffentlicht: (2025)

Deep Learning-Driven Downscaling for Climate Risk Assessment of Projected Temperature Extremes in the Nordic Region
von: Loganathan, Parthiban, et al.
Veröffentlicht: (2025)

Annotation-Free Class-Incremental Learning
von: Kuchibhotla, Hari Chandana, et al.
Veröffentlicht: (2025)

Beyond RAG vs. Long-Context: Learning Distraction-Aware Retrieval for Efficient Knowledge Grounding
von: Shim, Seongwoong, et al.
Veröffentlicht: (2025)

Machine Learning for Synthetic Data Generation: A Review
von: Lu, Yingzhou, et al.
Veröffentlicht: (2023)

Incentive-Aware Synthetic Control: Accurate Counterfactual Estimation via Incentivized Exploration
von: Ngo, Daniel, et al.
Veröffentlicht: (2023)

Exploiting Estimation Bias in Clipped Double Q-Learning for Continous Control Reinforcement Learning Tasks
von: Turcato, Niccolò, et al.
Veröffentlicht: (2024)

When Algorithms Manage Humans: A Double Machine Learning Approach to Estimating Nonlinear Effects of Algorithmic Control on Gig Worker Performance and Wellbeing
von: V, Arunkumar, et al.
Veröffentlicht: (2025)

Learning Decision Policies with Instrumental Variables through Double Machine Learning
von: Shao, Daqian, et al.
Veröffentlicht: (2024)