反事实决策中的潜在结果排序
人工智能
2025-11-17 v1 机器学习
摘要
在不确定性面前进行反事实决策涉及从多个备选方案中选择最优行动，需运用因果推理。决策者通常对期望的潜在结果（或其对应的效用和可取性）进行排序，以比较候选行动的偏好。在本文中，我们通过引入两种新指标来研究新的反事实决策规则：潜在结果排序概率（PoR）和实现最佳潜在结果概率（PoB）。PoR揭示个体最可能的潜在结果排序方式，PoB则指示最可能获得最高排名结果的行动。我们随后建立了识别定理，推导这些指标的下界，并提出了估计方法。最后，我们进行数值实验以说明估计器的有限样本性质，并演示其应用于真实数据集的能力。
引用
@article{arxiv.2511.10776,
title = {Potential Outcome Rankings for Counterfactual Decision Making},
author = {Yuta Kawakami and Jin Tian},
journal= {arXiv preprint arXiv:2511.10776},
year = {2025}
}