关于通过以决策遗憾重加权预测损失实现任务感知损失的札记

在这篇简短技术札记中，我们为情境线性优化的决策感知学习提出一个基线，该学习在成本系数可基于情境信息预测时求解随机线性优化。我们提出预测后优化的决策感知版本。我们以(未加权的)成本试点估计量所产生的决策遗憾对预测误差重加权，从而获得决策感知预测器，随后用该预测器的成本预测进行优化。此方法可理解为先前提出的端到端学习算法梯度的有限差分、与迭代无关的近似；它也与先前建议的端到端学习直觉一致。该基线在计算上易于实现，借助现成的重加权预测预言机与线性优化，且只要预测误差最小化是凸的，便可用凸优化实现。经验上，我们证明对于模型设定错误的情形，此方法相较“预测后优化”框架可带来改进，并与其他端到端方法具竞争力。因此，由于其简单与易用，我们建议将其作为端到端及决策感知学习的简单基线。