Doubly robust estimation in missing data and causal inference models
PulseAugur coverage of Doubly robust estimation in missing data and causal inference models — every cluster mentioning Doubly robust estimation in missing data and causal inference models across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新模型优化跨境履行中心选择
研究人员开发了一个名为跨境履行中心选择模型的新优化框架。该模型集成了预测、双重稳健估计和线性规划，以识别最有效的源头履行中心。其目标是在国际运输路径上，在最大限度地提高利润和发货量的同时，最大限度地减少交付时间和成本。该模型使用 12 个月的数据在三个大规模国际运输走廊上进行了测试，与人工定义的策略相比，在交付时间和物流成本方面均有显著降低。
-
新的VOCEM估计器改进了上下文老虎机策略的离轨策略评估
研究人员提出了一种用于上下文老虎机策略离轨策略评估（OPE）的新方法，称为方差最优CEM（VOCEM）。该方法旨在降低现有方法（如双重稳健（DR）估计）中与动作级别重要性加权相关的高方差。VOCEM通过选择一个最优系数来最小化方差，在DR和先前的估计器OffCEM之间进行插值。实验表明，VOCEM在各种条件下均优于DR和OffCEM，显示出更强的稳定性和鲁棒性。
-
提出新的方法用于广告排名模型反事实评估
本文介绍了用于评估广告排名模型的新方法，重点关注反事实评估。它提出使用逆倾向得分（IPS）和双重稳健（DR）估计器来比传统方法更准确地评估模型性能。目标是在部署新排名模型之前，提供一种可靠的方法来确定新模型是否优于当前生产模型。
-
新研究推进机器学习的策略外评估技术
两篇新研究论文探讨了机器学习中策略外评估（OPE）的高级技术，这是一个使用现有数据评估新策略性能的关键过程。第一篇论文引入了“Quotient DAGs”，用于处理奖励仅取决于无序项目集但生成过程是有序的情况，从而减少了干扰方差。第二篇论文“CANDOR”提出了一种双重稳健的OPE估计器，通过将注释纳入奖励模型组件，有效地利用了不完美的专家标注反事实样本，尤其适用于医疗保健应用。