面向个性化决策的带协变量排序与选择
机器学习
2022-02-09 v2 统计方法学
摘要
我们考虑在个性化决策背景下通过仿真进行排序与选择的问题，其中最佳备选方案不是普适的，而是作为某些可观测协变量的函数而变化。带协变量的排序与选择（R&S-C）的目标是利用仿真样本获得一个选择策略，该策略在观察到后续个体的协变量时，能以特定的统计保证为其指定最佳备选方案。我们提出一个线性模型来刻画备选方案的平均性能与协变量之间的关系。在无差异区间（indifference-zone）表述下，我们分别针对同方差和异方差仿真误差开发了两阶段程序，并以平均正确选择概率证明了其统计有效性。我们还推广了著名的滑移配置（slippage configuration），并证明了广义滑移配置是我们程序的最不利配置（least favorable configuration）。我们进行了广泛的数值实验，以研究所提程序的性能、实验设计问题以及对线性假设的鲁棒性。最后，我们通过一个在食管癌预防中选择最佳治疗方案的案例研究，展示了 R&S-C 的有用性。我们发现，通过利用与疾病相关的个人信息，R&S-C 能够通过提供患者特异性的治疗方案，显著提高患者的预期质量调整生命年。
引用
@article{arxiv.1710.02642,
title = {Ranking and Selection with Covariates for Personalized Decision Making},
author = {Haihui Shen and L. Jeff Hong and Xiaowei Zhang},
journal= {arXiv preprint arXiv:1710.02642},
year = {2022}
}