Celem modelowania statystycznego często jest selekcja osób, które mają zostać poddane jakiemuś działaniu, na przykład kampanii marketingowej lub terapii medycznej. Niestety, klasyczne metody uczenia maszynowego biorą pod uwagę jedynie wyniki po dokonaniu działania, przez co nie są w stanie poprawnie oszacować jego rzeczywistych skutków. Modelowanie różnicowe korzysta dodatkowo z grupy kontrolnej niepoddanej działaniu, dzięki czemu możliwe staje się przyczynowe modelowanie siły wpływu danego działania na poszczególne osoby.

W ramach seminarium przestawione zostaną adaptacje szeregu metod uczenia maszynowego do problemu modelowania różnicowego. Następnie szczegółowo omówiony zostanie przypadek regresji liniowej, gdzie możliwe jest teoretyczne porównanie różnych podejść do problemu, pokazujące ich wady i zalety. Przedstawione zostanie również nowe podejście do regresji różnicowej łączące zalety innych podejść.