本研究では、Neymanターゲット推定と一般化Riesz回帰を組み合わせた直接デバイアス機械学習フレームワークを開発しました。このフレームワークは、自動デバイアス機械学習、共変量バランシング、ターゲット最大尤度推定（TMLE）、および密度比推定を統一します。因果効果や構造モデルに関する問題では、関心のあるパラメータが回帰関数に依存し、機械学習手法で推定された回帰関数を同定方程式に代入すると初期偏りのために性能が低下することがあります。デバイアス機械学習では、Neyman直交推定方程式を用いてこの偏りを減少させます。本研究では、特にNeymanターゲット推定を通じて、共変量バランシング特性を自動的に取得する方法を示しています。さらに、Bregmanダイバージェンスを利用して、Riesz表現者の推定と回帰関数の推定を行います。本方法により、共変量バランシングの目的を明示的に解決することなく、効率的な推定が可能となります。