JANOS：一个集成预测性与规范性建模的框架
机器学习
2019-11-22 v1 最优化与控制
摘要
商业研究实践正见证预测性建模与规范性分析的日益融合。我们描述了一种建模框架 JANOS，它无缝集成了这两类分析，首次允许研究者和从业者将机器学习模型嵌入优化框架中。JANOS 允许使用约束和变量等标准优化建模元素来指定规范性模型。其核心新颖性在于提供建模构造，使得常用预测模型及其特征可作为优化模型中的约束和变量来指定。该框架考虑两类决策变量：常规变量与预测变量。常规变量与预测变量之间的关系由用户以预训练预测模型的形式指定。JANOS 目前支持线性回归、逻辑回归以及带修正线性激活函数的神经网络，但我们计划在未来扩展此集合。在本文中，我们通过一个学生招生问题中奖学金分配的示例展示该框架的灵活性，并给出数值性能评估。
引用
@article{arxiv.1911.09461,
title = {JANOS: An Integrated Predictive and Prescriptive Modeling Framework},
author = {David Bergman and Teng Huang and Philip Brooks and Andrea Lodi and Arvind U. Raghunathan},
journal= {arXiv preprint arXiv:1911.09461},
year = {2019}
}
备注
12 pages, 3 figures