二元处理通常是多个处理的事后聚合，或者可以分解为多个处理版本。因此，由于效果或治疗的异质性，效果可能是异质的。我们提出了一种分解方法，揭示隐藏的异质性，避免虚假的发现，并评估治疗分配质量。基于双偏/去偏机器学习的估计和推断过程允许高维混淆，许多处理和极端倾向评分。我们的应用表明，吸烟对出生体重的异质性影响部分是由于不同的吸烟强度，而职业团队有效性的性别差距在很大程度上是由职业培训的差异所解释的。