部分反事实识别与 uplift 建模：理论结果与真实世界评估
机器学习
2025-12-10 v1
摘要
反事实在人类因果推理与科学发现过程中居于核心地位。uplift（亦称条件平均处理效应）衡量了某一动作或处理对个体结果的因果效应。本文讨论了如何基于 uplift 项推导反事实陈述概率的界。首先，我们推导了关于反事实概率的一些原创性界，并证明此类界的紧度依赖于特征集关于 uplift 项的信息量。随后，我们基于反事实结果间条件独立的假设提出了一个点估计量。界与点估计量的质量在合成数据及某电信公司提供的大型真实世界客户数据集上进行了评估，显示出相较 SOTA 的显著改进。
引用
@article{arxiv.2211.07264,
title = {Partial counterfactual identification and uplift modeling: theoretical results and real-world assessment},
author = {Théo Verhelst and Denis Mercier and Jeevan Shrestha and Gianluca Bontempi},
journal= {arXiv preprint arXiv:2211.07264},
year = {2025}
}