在本文中，我们提出使用机器学习方法来估计机会不平等。我们说明了我们提出的方法——条件推断回归树和森林——是如何比现有的估计方法有了实质性的改进的。首先，它们降低了特定模型选择的风险。其次，他们通过权衡机会估计不平等的向上和向下偏差来建立估计模型。对31个欧洲国家进行的经验应用说明了回归树和森林的优势。我们表明，相对于我们首选的方法，任意模型选择可能导致机会估计的不平等的显著偏差。这些偏见反映在点数估计和国家排名中。我们的研究结果表明，利用机器学习算法避免向决策者和公众提供有关不同社会中机会不平等程度的误导性信息具有实际重要性。