预测与处方任务的综合优化
机器学习
2021-01-05 v1 机器学习
摘要
在传统机器学习技术中，真实值与预测值之间的接近程度通常衡量预测的质量。然而，这些学习算法未考虑处方问题，即预测值将作为决策问题的输入。本文中，我们高效利用特征变量，并提出一个新框架，将处方任务下的预测任务直接集成以开出一致的决策。我们通过双层优化技术在处方问题中训练预测算法的参数。我们给出了方法的结构，并使用合成数据相较基于点估计、随机优化及近期发展的基于机器学习的优化方法展示了其性能。此外，我们使用不同的惩罚方法控制泛化误差，并基于验证数据集优化集成。
引用
@article{arxiv.2101.00354,
title = {Integrated Optimization of Predictive and Prescriptive Tasks},
author = {Mehmet Kolcu and Alper E. Murat},
journal= {arXiv preprint arXiv:2101.00354},
year = {2021}
}