【干货分享】双重机器学习（DML）：数据、代码与实战案例

双重机器学习（Double Machine Learning, DML）有效融合传统因果推断与现代机器学习方法，弥补了单一方法在高维数据、非线性关系下的估计缺陷。该方法通过正则化实现高维变量筛选，借助正交化降低估计偏差，并结合样本交叉验证减少过拟合，同时支持构建置信区间，在经济学、社会学等领域的因果效应识别中具备显著优势。

本文基于微软研究院 EconML 库，系统展示 DML 因果推断的完整实现流程，包含配套数据、可复现代码与应用案例，助力研究者快速掌握与落地应用。