悲观 Uplift Modeling
机器学习
2017-04-20 v2
摘要
Uplift modeling 是一种旨在建模处理效应异质性的机器学习技术。它已用于商业和健康领域，以预测特定动作对给定个体的影响。尽管有其优势，uplift 模型对噪声和干扰表现出高敏感性，导致结果不可靠。在本文中，我们展示了解决 uplift 建模问题的不同方法，我们证明了数据中的干扰如何影响 uplift 测量。我们提出一种新方法，称之为 Pessimistic Uplift Modeling，可最小化干扰效应。我们在模拟和真实数据集上将我们的方法与现有 uplift 方法进行比较。实验表明，我们的方法优于现有方法，尤其是在高噪声数据环境下。
引用
@article{arxiv.1603.09738,
title = {Pessimistic Uplift Modeling},
author = {Atef Shaar and Talel Abdessalem and Olivier Segard},
journal= {arXiv preprint arXiv:1603.09738},
year = {2017}
}
备注
This paper has been withdrawn by the author(s) for improvement