論文の概要: Learning to Personalize Treatments When Agents Are Strategic
- arxiv url: http://arxiv.org/abs/2011.06528v4
- Date: Thu, 17 Mar 2022 20:44:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-26 08:00:24.691928
- Title: Learning to Personalize Treatments When Agents Are Strategic
- Title(参考訳): エージェントが戦略的な場合、治療をパーソナライズする学習
- Authors: Evan Munro
- Abstract要約: 本研究では, 条件平均処理効果(CATE)に対する新たな定義を提案する。
最適規則は、その規則によって誘導される正のCATEであっても、100%未満の確率で治療を割り当て、ランダム化を伴う可能性があることを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: There is increasing interest in allocating treatments based on observed
individual data: examples include targeted marketing, individualized credit
offers, and heterogenous pricing. Treatment personalization introduces
incentives for individuals to modify their behavior to obtain a better
treatment. This shifts the distribution of covariates, requiring a new
definition for the Conditional Average Treatment Effect (CATE) that makes
explicit its dependence on how treatments are allocated. We provide necessary
conditions that treatment rules under strategic behavior must meet. The optimal
rule without strategic behavior allocates treatments only to those with a
positive CATE. With strategic behavior, we show that the optimal rule can
involve randomization, allocating treatments with less than 100\% probability
even to those with a positive CATE induced by that rule. We propose a dynamic
experiment based on Bayesian Optimization that converges to the optimal
treatment allocation function without parametric assumptions on individual
strategic behavior.
- Abstract(参考訳): 個々のデータに基づいて治療を割り当てることへの関心が高まっている。例えば、ターゲットマーケティング、個別クレジットオファー、異種価格などである。
治療のパーソナライゼーションは、個人がより良い治療を得るために行動を変えるインセンティブをもたらす。
これは共変量分布をシフトさせ、条件平均処理効果(Conditional Average Treatment Effect, CATE)の新たな定義を必要とする。
戦略的行動下における治療規則を満たさなければならない必要条件を提供する。
戦略的行動のない最適規則は、正のCATEを持つ者にのみ治療を割り当てる。
戦略的行動においては、最適規則はランダム化を伴い、その規則によって誘導される正のCATEであっても100倍の確率で治療を割り当てる。
本研究では,ベイズ最適化に基づく動的実験を提案し,個別の戦略行動に対するパラメトリックな仮定を伴わない最適処理割り当て関数に収束する。
関連論文リスト
- Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。
本手法は, 精度の高い問題に特に適している。
提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
論文 参考訳(メタデータ) (2023-11-08T00:10:21Z) - Stage-Aware Learning for Dynamic Treatments [4.033641609534417]
動的治療体制のための新しい個別化学習法を提案する。
我々は、観察された治療軌跡と、決定段階にわたって最適な状態から得られるものとの整合性に重点を置いている。
観測軌道が最適処理と完全に一致しなければならないという制約を緩和することにより,本手法は逆確率重み付け法のサンプル効率と安定性を大幅に改善する。
論文 参考訳(メタデータ) (2023-10-30T06:35:31Z) - Estimating Trustworthy and Safe Optimal Treatment Regimes [56.29769827286456]
我々は、最適な治療体制を特定するための安全かつ解釈可能な枠組みを運用する。
本研究は患者の医療歴と薬理学的特徴に基づくパーソナライズされた治療戦略を支援する。
論文 参考訳(メタデータ) (2023-10-23T19:59:10Z) - Optimal and Fair Encouragement Policy Evaluation and Learning [11.712023983596914]
本研究では, 因果同定, 統計的分散推定, および最適処理規則のロバスト推定について検討した。
一般制約下でのパラメタライズされたポリシークラスを解くための2段階のアルゴリズムを開発し、分散感応的後悔境界を求める。
論文 参考訳(メタデータ) (2023-09-12T20:45:30Z) - Improved Policy Evaluation for Randomized Trials of Algorithmic Resource
Allocation [54.72195809248172]
提案する新しい概念を応用した新しい推定器を提案する。
我々は,このような推定器が,サンプル手段に基づく一般的な推定器よりも精度が高いことを理論的に証明した。
論文 参考訳(メタデータ) (2023-02-06T05:17:22Z) - Robust and Agnostic Learning of Conditional Distributional Treatment
Effects [62.44901952244514]
条件平均治療効果(CATE)は、個々の因果効果の最適点予測である。
集約分析では、通常は分布処理効果(DTE)の測定によって対処される。
我々は,多種多様な問題に対して条件付きDTE(CDTE)を学習するための,新しい堅牢でモデルに依存しない手法を提供する。
論文 参考訳(メタデータ) (2022-05-23T17:40:31Z) - Statistical Learning for Individualized Asset Allocation [22.053470518472356]
我々は,連続行動の効果をモデル化するための離散化手法を開発した。
一般化された凹凸ペナルティを用いた推定器は望ましい理論的特性を享受できることを示す。
その結果, 個人化された最適戦略は, 個人財政の健全性を向上し, ベンチマーク戦略を超越していることが示唆された。
論文 参考訳(メタデータ) (2022-01-20T04:40:03Z) - Understanding the Effect of Stochasticity in Policy Optimization [86.7574122154668]
最適化手法の優位性は、正確な勾配が用いられるかどうかに大きく依存することを示す。
次に,政策最適化におけるコミット率の概念を紹介する。
第三に、外部のオラクル情報がない場合には、収束を加速するために幾何を利用することと、最適性をほぼ確実に達成することとの間に本質的にトレードオフがあることが示される。
論文 参考訳(メタデータ) (2021-10-29T06:35:44Z) - Estimation of Optimal Dynamic Treatment Assignment Rules under Policy
Constraint [0.0]
個人の歴史に基づいて各段階毎の最適治療課題を導出する最適動的治療則を推定することを検討する。
本稿では,各段階における処理代入問題と,各段階における動的処理代入問題とを同時に解く方法を提案する。
論文 参考訳(メタデータ) (2021-06-09T12:42:53Z) - On Inductive Biases for Heterogeneous Treatment Effect Estimation [91.3755431537592]
我々は、異なる治療下で、個人の潜在的成果(PO)の構造的類似性を利用する方法について検討する。
この問題を克服するために、エンドツーエンドの学習戦略を3つ比較する。
論文 参考訳(メタデータ) (2021-06-07T16:30:46Z) - Median Optimal Treatment Regimes [7.241149193573696]
コンディショナーが治療中よりも高い個人を治療する新しいメディアン最適治療体制を提案します。
これにより、同じグループの個人に対する最適な決定が、グループのごく一部に過度に影響されないことが保証される。
本稿では,政策の全体的中央値処理結果を要約した新しい評価尺度ACME(Average Conditional Median Effect)を紹介する。
論文 参考訳(メタデータ) (2021-03-02T15:26:20Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。