Python包双ML提供了一个双重/衰退机器学习框架的实现Chernozhukov等人（2018）.它建在科学知识学习（Pedregosa等人，2011年）。

注意，Python包是与基于mlr3号机组.R套装也可在github和.

文档和网站：https://docs.doublenl.org网站/

双ML目前由维护@马尔特库兹,@菲利普·巴赫和@斯文·克拉森.

可以向问题跟踪程序报告Bug，网址为https://github.com/DoubleML/DoubleML-for-py/issues.

双倍/衰退机器学习（Chernozhukov等人（2018））对于

• 部分线性回归模型（PLR）
• 部分线性IV回归模型（PLIV）
• 交互式回归模型（IRM）
• 交互式IV回归模型（IIVM）

DoubleML的面向对象实现非常灵活。模型类双MLPLR,双MLPLIV,双重MLIRM和双IIVM实施妨害估计函数通过机器学习方法和内曼正交得分函数的计算。所有其他功能都在抽象基类中实现双ML.特别是用于估计双机器学习模型并通过方法适合,引导程序,限制（confint）,p_adjust（调整）和曲调.这种面向对象的实现允许模型规范在以下方面具有很高的灵活性。。。

• …机器学习器的干扰功能，
• …重采样方案，
• …双机器学习算法，
• …内曼正交得分函数，
• ...

它还可以很容易地扩展到

• …Neyman正交得分函数在目标参数中为线性的新模型类，
• …通过可调用项的可选评分函数，
• …替代的重新采样方案，
• ...

双ML要求

• 蟒蛇
• sklearn公司
• numpy公司
• 松软的
• 熊猫
• statsmodels公司
• 作业库

使用pip安装DoubleML

pip安装-U DoubleML

可以通过从源代码安装DoubleML

git克隆git@github.com：双ML/DoubleML-for-py.gitcd doubbleml-for-pypip安装--可编辑。

详细的安装说明可以在文档中找到。

DoubleML是一项社区工作。欢迎大家作出贡献。为了开始您的首次贡献，我们建议您阅读我们的贡献指南和我们的行为准则.

如果您使用DoubleML包，我们将非常感谢您的引文：

Bach，P.、Chernozhukov，V.、Kurz，M.S.和Spindler，M.（2022），DoubleML-AnPython中面向对象的双机器学习实现，机器学习研究杂志，23（53）：1-6，https://www.jmlr.org/papers/v23/21-0862.html.

Bibtex条目：

@文章{DoubleML2022，title={{DoubleML}--{A} n个中双机器学习的面向对象实现{P} 伊顿}, author={菲利普·巴赫（Philipp Bach）、维克托·切尔诺朱科夫（Victor Chernozhukov）、马尔特·库尔茨（Malte S.Kurz）和马丁·斯宾德勒（Martin Spindler）}，journal={机器学习研究杂志}，年份={2022}，体积={23}，数字={53}，页数={1--6}，url={http://jmlr.org/papers/v23/21-0862.html}}

由德国Forschungsgemeinschaft（DFG，German Research）资助基金会）已确认–项目编号431701914。

巴赫，P.、切尔诺朱科夫，V.、库尔兹，M.S.和斯宾德勒，M.（2022），DoubleML-AnPython中面向对象的双机器学习实现，机器学习研究杂志，23（53）：1-6，https://www.jmlr.org/papers/v23/21-0862.html.

Chernozhukov，V.、Chetverikov，D.、Demirer，M.、Duflo，E.、Hansen，C.、Newey，W.和Robins，J.（2018），用于治疗和结构参数的双/脱苦机器学习。《计量经济学杂志》，21:C1-C68。数字对象标识：10.1111/ectj.12097.

Pedregosa，F.、Varoquaux，G.、Gramfort，A.、Michel，V.、Thirion，B.、Grisel，O.、Blondel，M.、Prettenhofer，P.、Weiss，R.、Dubourg，V.、Vanderplas，J.、Passos，A.、Cournapeau，D.、Brucher，M.、Perrot，M.和Duchesnay，E.（2011），Scikit-learn：Python中的机器学习。机器学习研究杂志，12:2825--2830，https://jmlr.csail.mit.edu/papers/v12/pedregosa11a.html.