序贯决策中用于高效策略评估的最优处理分配
统计方法学
2023-11-07 v1
摘要
A/B测试对于现代科技公司评估新产品相对于标准基线的有效性至关重要。本文研究旨在最大化从在线实验中获取信息以准确估计处理效应的最优设计。我们提出了在随时间序贯分配处理的动态设置下的三种最优分配策略。这些策略旨在当数据遵循非马尔可夫决策过程或（时变）马尔可夫决策过程时，最小化处理效应估计量的方差。我们进一步基于现有离策略评估（OPE）方法开发了估计流程，并在多种环境中进行了大量实验以证明所提方法的有效性。在理论上，我们证明了所提处理分配设计的最优性，并建立了所得处理效应估计量均方误差的上界。
引用
@article{arxiv.2311.02532,
title = {Optimal Treatment Allocation for Efficient Policy Evaluation in Sequential Decision Making},
author = {Ting Li and Chengchun Shi and Jianing Wang and Fan Zhou and Hongtu Zhu},
journal= {arXiv preprint arXiv:2311.02532},
year = {2023}
}