자동 디베이어드 머신러닝을 위한 파이썬 패키지 genriesz: 일반화된 리즈 회귀와 자동 균형

본 논문은 인과·구조 파라미터를 자동으로 추정하기 위한 파이썬 오픈소스 패키지 **genriesz** 를 소개한다. 저자는 먼저 인과 추정량을 “선형 함수형 m(W,γ)” 형태로 정의하고, 이를 Riesz 대표자 α₀ 와 결합해 Neyman 직교 스코어 ψ(W;θ,γ,α) 를 구성하는 전통적인 DML(데비어드 머신러닝) 프레임워크를 요약한다. 기존 DML은 nuisance γ̂ (결과 회귀)와 α̂ (대표자)를 각각 추정한 뒤, 교차‑피팅을 통해 직교 스코어를 평균내어 추정값을 얻는다. **1. 일반화된 리즈 회귀와 Bregman 발산** genriesz는 Riesz 대표자 추정을 Bregman 발산 g(x,α) 의 최소화 문제로 일반화한다. 발산의 점별 Bregman 거리 BD_g(α₀‖α) 를 정의하고, 전체 목적함수 L(α)= (1/n)∑