逆转类比于提升建模和异质性处理效应估计的不平衡RCT数据

本研究解决了提升建模和异质性处理效应估计中出现的班级和处理不平衡问题，特别是在随机对照试验数据中。我们提出了一种新的方法，通过逆转选定记录的类值来避免传统的欠采样和过采样导致的预测效应扭曲。这一方法确保准确预测且不需要校准，实验结果验证了其有效性，并证明其对标准分类问题也具有可行性。