基于机器学习引导自适应设计的非参数离散选择实验
机器学习
2023-10-19 v1 机器学习
应用统计
摘要
设计满足消费者偏好的产品对企业成功至关重要。我们提出梯度基调查（GBS），一种用于多属性产品设计的离散选择实验。该实验通过针对部分属性的成对比较序列来引出消费者偏好。GBS 根据受访者先前的选择自适应地构建成对比较问题。不同于传统的随机效用最大化范式，GBS 不要求参数化效用模型，因而对模型误设具有鲁棒性。通过机器学习与实验设计的交叉融合，GBS 可扩展至具有数百个属性的产品，并能为异质消费者设计个性化产品。我们在仿真中展示了 GBS 相较于现有参数与非参数方法在精度与样本效率上的优势。
引用
@article{arxiv.2310.12026,
title = {Nonparametric Discrete Choice Experiments with Machine Learning Guided Adaptive Design},
author = {Mingzhang Yin and Ruijiang Gao and Weiran Lin and Steven M. Shugan},
journal= {arXiv preprint arXiv:2310.12026},
year = {2023}
}