Fugu-MT 論文翻訳(概要): Meta-experiments: Improving experimentation through experimentation

論文の概要: Meta-experiments: Improving experimentation through experimentation

arxiv url: http://arxiv.org/abs/2406.16629v1
Date: Mon, 24 Jun 2024 13:23:00 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-10 21:11:19.990214
Title: Meta-experiments: Improving experimentation through experimentation
Title（参考訳）: メタ実験:実験を通しての実験を改善する
Authors: Melanie J. I. Müller,
Abstract要約: 我々は「メタ実験」と呼ばれる実験プロセスで実験を行う。メタ実験の例を例に、このアプローチの課題について論じる。また,実験スペシャリストが自身の実験を行う際の「ドッグフード」のメリットも指摘した。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: A/B testing is widexly used in the industry to optimize customer facing websites. Many companies employ experimentation specialists to facilitate and improve the process of A/B testing. Here, we present the application of A/B testing to this improvement effort itself, by running experiments on the experimentation process, which we call 'meta-experiments'. We discuss the challenges of this approach using the example of one of our meta-experiments, which helped experimenters to run more sufficiently powered A/B tests. We also point out the benefits of 'dog fooding' for the experimentation specialists when running their own experiments.
Abstract（参考訳）: A/Bテストは、顧客向けウェブサイトを最適化するために業界で広く使われている。多くの企業は実験スペシャリストを採用し、A/Bテストのプロセスを促進し改善している。本稿では,実験プロセス上で実験を行うことにより,この改善作業自体にA/Bテストを適用し,これを「メタ実験」と呼ぶ。メタ実験の例を例に,本手法の課題について論じ,実験者が十分なパワーを持つA/Bテストを実行するのに役立った。また,実験スペシャリストが自身の実験を行う際の「ドッグフード」のメリットも指摘した。

関連論文リスト

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)
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)
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)
PyExperimenter: Easily distribute experiments and track results [63.871474825689134]
PyExperimenterは、アルゴリズムの実験的な研究結果のセットアップ、ドキュメンテーション、実行、およびその後の評価を容易にするツールである。人工知能の分野で研究者が使用することを意図しているが、それらに限定されていない。
論文参考訳（メタデータ） (2023-01-16T10:43:02Z)
Adaptive Experimental Design and Counterfactual Inference [20.666734673282495]
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。
論文参考訳（メタデータ） (2022-10-25T22:29:16Z)
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)
Using Adaptive Experiments to Rapidly Help Students [5.446351709118483]
我々は、トンプソンサンプリングアルゴリズムを用いて適応実験を行うことで、学生の宿題メールリマインダーの効果を評価する。適応的ランダム化実験が多かれ少なかれ有用であるような条件について、様々なオープンな疑問を提起する。
論文参考訳（メタデータ） (2022-08-10T00:43:05Z)
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)
Incorporating Expert Prior Knowledge into Experimental Design via Posterior Sampling [58.56638141701966]
実験者は、グローバルな最適な場所に関する知識を得ることができる。グローバル最適化に関する専門家の事前知識をベイズ最適化に組み込む方法は不明である。効率の良いベイズ最適化手法は、大域的最適の後方分布の後方サンプリングによって提案されている。
論文参考訳（メタデータ） (2020-02-26T01:57:36Z)
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。