评估基于指数的治疗分配策略的有效性
机器学习
2024-02-20 v1 人工智能
统计方法学
机器学习
摘要
当资源稀缺时，需要一种分配策略来决定谁获得资源。例如，在分配稀缺医疗资源时会出现这个问题，且通常使用现代机器学习（ML）方法来解决。本文介绍了评估基于指数的分配策略（即将固定数量的资源分配给最需要的人）的方法，该方法利用随机对照试验的数据。此类策略会在智能体之间产生依赖性，这使得标准统计检验背后的假设失效，并限制了估计量的有效性。针对这些挑战，我们转化并扩展了统计学文献中的最新思想，提出了一种高效的估计量以及计算渐近正确置信区间的方法。这使我们能够有效地得出有效的统计结论，填补了以往工作中的关键空白。我们的大量实验在实际场景中验证了我们的方法论，同时也展示了其统计效力。最后，我们提出并实证验证了方法论的扩展，使我们能够重新评估过去的随机对照试验，以在移动健康（mHealth）项目的背景下评估不同的 ML 分配策略，从而得出以前不可见的结论。
引用
@article{arxiv.2402.11771,
title = {Evaluating the Effectiveness of Index-Based Treatment Allocation},
author = {Niclas Boehmer and Yash Nair and Sanket Shah and Lucas Janson and Aparna Taneja and Milind Tambe},
journal= {arXiv preprint arXiv:2402.11771},
year = {2024}
}