구조 무관 모델 하에서 이중 머신러닝 추정량의 점근적 허용 불가성
On the Asymptotic Inadmissibility of Double Machine Learning Estimators Under Structure-Agnostic Models
구조 무관(structure-agnostic) 모델 하에서 가우시안 시퀀스의 이차 함수형과 이차 밀도 적분 함수형에 대해 이중 머신러닝(Double Machine Learning, DML) 추정량이 미니맥스임에도 점근적으로 허용 불가(inadmissible)함을 보이며, 단조 편향(monotone bias) 클래스에서는 Liu 등의 경험적 고차 영향 함수(HOIF) 기반 2차 U-통계량 추정량이 DML을 점근적으로 지배한다. 기대 조건부 공분산에 대해서는 DML과 HOIF가 모두 미니맥스이나 서로 점근 우위 관계는 없다.