論文の概要: Adaptive Experimental Design and Counterfactual Inference
- arxiv url: http://arxiv.org/abs/2210.14369v1
- Date: Tue, 25 Oct 2022 22:29:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-27 16:02:27.102317
- Title: Adaptive Experimental Design and Counterfactual Inference
- Title(参考訳): 適応的実験設計と対実推論
- Authors: Tanner Fiez, Sergio Gamez, Arick Chen, Houssam Nassif, Lalit Jain
- Abstract要約: 本稿では, 適応型実験システムを用いた産業環境におけるナレーションの課題と落とし穴について, 教訓を共有した。
我々は,これらの経験に基づいて,対実的推論のための適応型実験設計フレームワークを開発した。
- 参考スコア(独自算出の注目度): 20.666734673282495
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Adaptive experimental design methods are increasingly being used in industry
as a tool to boost testing throughput or reduce experimentation cost relative
to traditional A/B/N testing methods. This paper shares lessons learned
regarding the challenges and pitfalls of naively using adaptive experimentation
systems in industrial settings where non-stationarity is prevalent, while also
providing perspectives on the proper objectives and system specifications in
these settings. We developed an adaptive experimental design framework for
counterfactual inference based on these experiences, and tested it in a
commercial environment.
- Abstract(参考訳): 適応的な実験設計手法は、従来のA/B/Nテスト法と比較して、テストスループットを向上したり、実験コストを削減したりするためのツールとして、産業でますます使われている。
本稿では,非定常性が一般的である産業環境での適応実験システム導入の課題と落とし穴について考察するとともに,これらの環境での適切な目的とシステム仕様に関する視点を提供する。
これらの経験をもとに, 反事実推論のための適応型実験設計フレームワークを開発し, 商用環境でテストした。
関連論文リスト
- Best of Three Worlds: Adaptive Experimentation for Digital Marketing in
Practice [22.231579321645878]
適応的実験設計(Adaptive Experimental Design, AED)手法は、テストのスループットを向上したり、実験コストを削減したりするためのツールとして、業界でますます使われている。
本稿では,非定常な産業環境でのAEDシステム導入の課題について報告する。
そこで我々は,これらの経験に基づく実例推論のためのAEDフレームワークを開発し,商業環境でテストした。
論文 参考訳(メタデータ) (2024-02-16T18:13:35Z) - Adaptive Instrument Design for Indirect Experiments [48.815194906471405]
RCTとは異なり、間接的な実験は条件付き機器変数を利用して治療効果を推定する。
本稿では,データ収集ポリシーを適応的に設計することで,間接実験におけるサンプル効率の向上に向けた最初のステップについて述べる。
我々の主な貢献は、影響関数を利用して最適なデータ収集ポリシーを探索する実用的な計算手順である。
論文 参考訳(メタデータ) (2023-12-05T02:38:04Z) - Opportunities for Adaptive Experiments to Enable Continuous Improvement
that Trades-off Instructor and Researcher Incentives [8.055654065452584]
適応的な実験が継続的なコース改善にどのように役立つかを検討する。
適応的な実験では、異なる武器や条件が学生に展開されるにつれて、データは分析され、将来の学生の体験を変えるために使用される。
これは、機械学習アルゴリズムを使用して、学生の経験や成果を改善するために、どのアクションがより有望であるかを特定することができる。
論文 参考訳(メタデータ) (2023-10-18T20:54:59Z) - Conducting A/B Experiments with a Scalable Architecture [0.6990493129893112]
A/B実験は、2つの異なる実験グループにおいて1つ以上の変数を変更する効果を比較するために一般的に用いられる。
ドメインに依存しないA/B実験を支援するソフトウェアアーキテクチャを開発するための4つの基本的アプローチを提案する。
論文 参考訳(メタデータ) (2023-09-23T18:38:28Z) - Task-specific experimental design for treatment effect estimation [59.879567967089145]
因果推論の標準は大規模ランダム化試験(RCT)である。
近年の研究では、RCTのよりサンプル効率の良い代替案が提案されているが、これらは因果効果を求める下流の応用には適用できない。
実験的な設計のためのタスク固有のアプローチを開発し、特定の下流アプリケーションにカスタマイズされたサンプリング戦略を導出する。
論文 参考訳(メタデータ) (2023-06-08T18:10:37Z) - Online simulator-based experimental design for cognitive model selection [74.76661199843284]
本稿では,抽出可能な確率を伴わない計算モデルを選択する実験設計手法BOSMOSを提案する。
シミュレーション実験では,提案手法により,既存のLFI手法に比べて最大2桁の精度でモデルを選択することができることを示した。
論文 参考訳(メタデータ) (2023-03-03T21:41:01Z) - Fair Effect Attribution in Parallel Online Experiments [57.13281584606437]
A/Bテストは、オンラインサービスで導入された変更の影響を確実に特定する目的で役立ちます。
オンラインプラットフォームでは,ユーザトラフィックをランダムに分割して多数の同時実験を行うのが一般的である。
異なるグループ間の完全なランダム化にもかかわらず、同時実験は互いに相互作用し、平均的な集団の結果に負の影響をもたらす。
論文 参考訳(メタデータ) (2022-10-15T17:15:51Z) - Design Amortization for Bayesian Optimal Experimental Design [70.13948372218849]
予測情報ゲイン(EIG)のバウンダリに関してパラメータ化された変分モデルを最適化する。
実験者が1つの変分モデルを最適化し、潜在的に無限に多くの設計に対してEIGを推定できる新しいニューラルアーキテクチャを提案する。
論文 参考訳(メタデータ) (2022-10-07T02:12:34Z) - Sequential Bayesian experimental designs via reinforcement learning [0.0]
我々は,BEDを逐次的に構築するために,強化学習による逐次実験設計を提案する。
提案手法は,新たな実世界指向実験環境を提案することで,期待される情報獲得を最大化することを目的としている。
提案手法は,EIGやサンプリング効率などの指標において,既存の手法よりも優れていることを確認した。
論文 参考訳(メタデータ) (2022-02-14T04:29:04Z) - Implicit Deep Adaptive Design: Policy-Based Experimental Design without
Likelihoods [24.50829695870901]
暗黙のDeep Adaptive Design (iDAD) は暗黙のモデルでリアルタイムで適応実験を行う新しい手法である。
iDADは、設計ポリシーネットワークを事前学習することで、ベイズ最適設計(BOED)のコストを償却する。
論文 参考訳(メタデータ) (2021-11-03T16:24:05Z) - Dynamic Causal Effects Evaluation in A/B Testing with a Reinforcement
Learning Framework [68.96770035057716]
A/Bテスト(A/B Testing)は、新しい製品を製薬、技術、伝統産業の古い製品と比較するビジネス戦略である。
本稿では,オンライン実験においてA/Bテストを実施するための強化学習フレームワークを提案する。
論文 参考訳(メタデータ) (2020-02-05T10:25:02Z)
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。