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——条件推理回归树和森林——如何比现有的估计方法有实质性的改进。首先，它们减少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个欧洲国家的横断面的实证应用说明了回归树和森林的优点。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不平等的显著偏差。这些偏差反映在点数估计和国家排名中。我们的研究结果说明了利用机器学习算法来避免向政策制定者和公众提供关于不同社会中机会不平等程度的误导性信息的实际重要性。