使神经网络适应 uplift 模型
机器学习
2020-11-03 v1 机器学习
摘要
Uplift 是个体处理效应建模的一种特例。此类模型处理针对特定因素（如营销干预）的因果推断。在实践中，这些模型构建于购买产品或服务的客户数据之上，以改进产品营销。Uplift 通过以下两种方式估计：i) 条件均值回归，或 ii) 转化结果回归。大多数现有方法是将分类与回归树适配于 uplift 情形。然而在实践中，这些常规方法易于过拟合。在此我们提出一种使用神经网络的新方法。该表示允许联合优化条件均值之差与转化结果损失。因此，该模型不仅估计 uplift，还确保预测结果的一致性。我们关注完全随机化实验，这也是我们数据的情况。我们展示了所提方法在合成数据与真实数据上均优于现有最优方法（state-of-the-art）。
引用
@article{arxiv.2011.00041,
title = {Adapting Neural Networks for Uplift Models},
author = {Belbahri Mouloud and Gandouet Olivier and Kazma Ghaith},
journal= {arXiv preprint arXiv:2011.00041},
year = {2020}
}