一种用于因果机器学习的损失函数
机器学习
2020-01-06 v1 机器学习
摘要
因果机器学习旨在预测处理的净效应（真实提升，true-lift）。给定处理组与对照组的数据，它类似于一个标准监督学习问题。遗憾的是，由于数据中缺乏逐点真值，并不存在类似定义良好的损失函数。现代机器学习的许多进展因缺少此类损失函数而无法直接应用。我们提出一种在此背景下定义损失函数的新方法，该损失函数在标准回归问题中等于均方误差（MSE）。我们的损失函数具有普遍适用性，从而为评估任何预测真实提升的模型/策略的质量提供了通用标准。我们证明，尽管其定义新颖，仍可直接在该损失函数上执行梯度下降以求得最佳拟合。这导致了一种训练任何基于参数的模型（如深度神经网络）以解决因果机器学习问题的新途径，而无需经由元学习器（meta-learner）策略。
引用
@article{arxiv.2001.00629,
title = {A Loss-Function for Causal Machine-Learning},
author = {I-Sheng Yang},
journal= {arXiv preprint arXiv:2001.00629},
year = {2020}
}
备注
13 pages, 1 figure