本文研究了一个新型的渐近框架下的依据机器学习(DML)估计量的特性,从而提供了用于改善应用中估计量的见解。dml是一种适合经济模型的估计方法,其中感兴趣的参数取决于必须估算的未知滋扰函数。它需要比以前的方法较弱的条件,同时仍确保标准的渐近特性。现有的理论结果不能区分两个替代版本的DML估计量,即DML1和DML2。在一个新的渐近框架下,本文证明了DML2渐近统治DML1在偏差和平方误差方面,基于其相对性能的模拟结果对先前的猜想进行形式化。此外,本文提供了改善应用程序中DML2性能的指导。
要找出蛋白质在转化过程中扮演的角色,研究人员设计了番茄植物来开关和关闭生产,使他们能够看到他们的影响。他们发现了一种叫做DML2的,该DML2在关闭产量时阻止了糖基类动物的分解,使水果太苦了,无法吃。进一步的研究表明,该蛋白质能够通过称为脱甲基化的化学过程分解糖基虫类。
