迭代因果分割：填补市场细分与营销策略之间的空白
机器学习
2024-05-24 v1 人工智能
摘要
因果机器学习（ML）领域近年来取得了显著进展。显著的突破包括元学习器（arXiv:1706.03461v6）和异质双重稳健估计器（arXiv:2004.14497）等方法，这些方法在过去五年中被引入。尽管取得了这些进展，该领域仍然面临挑战，特别是在管理紧密耦合系统方面，其中因果处理变量和混淆协变量都必须作为关键决策指标。这种情况在因果ML的营销应用中很常见，例如市场细分和增量营销提升。在这项工作中，我们提出了我们经过正式证明的算法——迭代因果分割，以解决这个问题。
引用
@article{arxiv.2405.14743,
title = {Iterative Causal Segmentation: Filling the Gap between Market Segmentation and Marketing Strategy},
author = {Kaihua Ding and Jingsong Cui and Mohammad Soltani and Jing Jin},
journal= {arXiv preprint arXiv:2405.14743},
year = {2024}
}