离屏策略评估中具有相似收益的亚组识别
机器学习
2021-11-30 v1 人工智能
统计方法学
摘要
用于序列决策的离屏策略评估方法可用于帮助识别所提出的决策策略是否优于当前基线策略。然而，新的决策策略可能对某些个体优于基线策略，而对其他个体则不然。这推动了个性化和对异质处理效应（HTEs）的准确逐状态估计。鉴于许多重要应用中数据的有限性，个体预测可能以牺牲此类预测的准确性和置信度为代价。我们开发了一种方法，通过识别能够自信地估计新决策策略相对于基线的期望差异的亚组，来平衡个性化需求与自信预测。我们提出了一种在亚组划分阶段考虑不确定性的新颖损失函数。在实验中，我们表明我们的方法可用于形成准确的HTE预测，而其他方法难以做到。
引用
@article{arxiv.2111.14272,
title = {Identification of Subgroups With Similar Benefits in Off-Policy Policy Evaluation},
author = {Ramtin Keramati and Omer Gottesman and Leo Anthony Celi and Finale Doshi-Velez and Emma Brunskill},
journal= {arXiv preprint arXiv:2111.14272},
year = {2021}
}