研究人员开发了一种新颖的局部反馈自适应个体化治疗选择（PAITS）方法，用于部分反馈下的在线治疗选择。该方法旨在识别最能从治疗中获益的个体，同时控制错误发现。PAITS从历史数据中初始化学习，并使用顺序估计、随机探索和反馈驱动的更新，以实现与最优选择器相比的渐近错误发现率控制和次线性遗憾。该方法的性能通过模拟和Jester推荐数据集的分析得到证明。 AI
影响 这项研究可能导致在包括医疗保健和推荐系统在内的各种应用中，更准确、更高效的个性化治疗分配。
排序理由 该集群包含一篇详细介绍新统计方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
