uplift 建模与预测建模：一项理论分析
机器学习
2023-09-22 v1
摘要
尽管机器学习技术在决策中的应用日益广泛，但因果导向策略相对于纯机器学习方法所增加的的价值在文献中很少被量化。这些策略对于营销、电信、医疗保健和金融等各个领域的从业者至关重要。本文对该主题进行了全面论述，从坚实的理论基础出发，并强调了影响 uplift 与预测方法性能的参数。本文关注二元结果和二元动作的情形，对 uplift 建模进行了理论分析，并将其与经典的预测方法进行比较。论文的主要研究贡献包括：利润度量的新公式、uplift 曲线收敛于利润度量的形式化证明，以及通过仿真说明预测方法仍优于 uplift 建模的条件。我们表明，特征与结果之间的互信息起着重要作用，此外还有估计量的方差、潜在结果的分布以及处理和结果的内在成本与收益。
引用
@article{arxiv.2309.12036,
title = {Uplift vs. predictive modeling: a theoretical analysis},
author = {Théo Verhelst and Robin Petit and Wouter Verbeke and Gianluca Bontempi},
journal= {arXiv preprint arXiv:2309.12036},
year = {2023}
}
备注
46 pages, 6 figures