多处理升益建模适应策略比较研究
机器学习
2025-11-04 v1
摘要
升益建模是用于个体化治疗效应估计的关键技术，尤其在营销和医疗等领域发挥重要作用。对多处理场景下的升益建模至关重要，因而在实际应用中发挥关键作用。当前针对多处理升益建模的技术通常从二进制处理工作中进行适应。本文我们检视并将当前所有模型适应分为两种类型：结构适应和特征适应。通过实证实验，我们发现这两种适应类型在 various 数据特征下（如噪声数据、混合观察数据等）无法维持有效性。为提升估计能力和鲁棒性，我们提出基于函数逼近定理的正交函数适应 (OFA)。我们进行全面实验，研究所有模型适应技术的有效性和鲁棒性。我们的实验结果表明，我们提出的 OFA 在其他 vanilla 适应方法之上显著提升了升益模型性能，并表现出最高的鲁棒性。
引用
@article{arxiv.2511.01185,
title = {A Comparative Study of Model Adaptation Strategies for Multi-Treatment Uplift Modeling},
author = {Ruyue Zhang and Xiaopeng Ke and Ming Liu and Fangzhou Shi and Chang Men and Zhengdan Zhu},
journal= {arXiv preprint arXiv:2511.01185},
year = {2025}
}