Fugu-MT 論文翻訳(概要): Adaptive Experimental Design and Counterfactual Inference

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

AExGym: Benchmarks and Environments for Adaptive Experimentation [7.948144726705323]
実世界のデータセットに基づく適応実験のためのベンチマークを提案する。非定常性、バッチ/遅延フィードバック、複数の成果と目標、外部の妥当性。
論文参考訳（メタデータ） (2024-08-08T15:32:12Z)
Dual Test-time Training for Out-of-distribution Recommender System [91.15209066874694]
DT3ORと呼ばれるOODレコメンデーションのための新しいDual Test-Time-Trainingフレームワークを提案する。 DT3ORでは、テスト期間中にモデル適応機構を導入し、リコメンデーションモデルを慎重に更新する。我々の知る限りでは、テストタイムトレーニング戦略を通じてOODレコメンデーションに対処する最初の研究である。
論文参考訳（メタデータ） (2024-07-22T13:27:51Z)
Adaptive Experimentation When You Can't Experiment [55.86593195947978]
本稿では,Emphcon founded the pure exploration transductive linear bandit (textttCPET-LB) problem。オンラインサービスは、ユーザーを特定の治療にインセンティブを与える、適切にランダム化された励ましを利用することができる。
論文参考訳（メタデータ） (2024-06-15T20:54:48Z)
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 in Computer Science Education [7.50867730317249]
適応実験では、異なる条件が学生に展開されるにつれて、データを分析・活用する。これらのアルゴリズムは、その後の学生との相互作用において最も効果的な条件を動的に展開することができる。本研究は, ブリッジング研究における適応実験の重要性を探求し, 継続的な改善を実現するための方法である。
論文参考訳（メタデータ） (2023-10-18T20:54:59Z)
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)
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。