論文の概要: Qini curve estimation under clustered network interference

• arxiv url: http://arxiv.org/abs/2502.20097v1
• Date: Thu, 27 Feb 2025 13:55:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-28 14:58:26.410702
• Title: Qini curve estimation under clustered network interference
• Title（参考訳）: クラスタネットワーク干渉下におけるカイニ曲線の推定
• Authors: Rickard K. A. Karlsson, Bram van den Akker, Felipe Moraes, Hugo M. Proença, Jesse H. Krijthe,
• Abstract要約: 本稿では,クラスタネットワーク干渉によるQini曲線推定の問題に対処する。 異なる条件に適合する3つの異なる推定戦略を導入する。 ベストな見積もり戦略を選択するためのレコメンデーションを提供します。
• 参考スコア（独自算出の注目度）: 1.0602247913671219
• License:
• Abstract: Qini curves are a widely used tool for assessing treatment policies under allocation constraints as they visualize the incremental gain of a new treatment policy versus the cost of its implementation. Standard Qini curve estimation assumes no interference between units: that is, that treating one unit does not influence the outcome of any other unit. In many real-life applications such as public policy or marketing, however, the presence of interference is common. Ignoring interference in these scenarios can lead to systematically biased Qini curves that over- or under-estimate a treatment policy's cost-effectiveness. In this paper, we address the problem of Qini curve estimation under clustered network interference, where interfering units form independent clusters. We propose a formal description of the problem setting with an experimental study design under which we can account for clustered network interference. Within this framework, we introduce three different estimation strategies suited for different conditions. Moreover, we introduce a marketplace simulator that emulates clustered network interference in a typical e-commerce setting. From both theoretical and empirical insights, we provide recommendations in choosing the best estimation strategy by identifying an inherent bias-variance trade-off among the estimation strategies.
• Abstract（参考訳）: Qini曲線は、新しい治療ポリシーの増分ゲインを、その実装のコストに対して可視化することにより、割り当て制約の下で治療ポリシーを評価するために広く使用されるツールである。 標準カイニ曲線推定は、単位間の干渉を仮定しない:すなわち、1つの単位を扱うことは、他の単位の結果に影響を与えない。 しかし、公共政策やマーケティングといった現実的な応用の多くは、干渉の存在が一般的である。 これらのシナリオにおける干渉を無視することは、治療政策のコスト効率を過度にまたは過小評価する、体系的に偏ったカイニ曲線につながる可能性がある。 本稿では,ネットワーク干渉によるQini曲線推定の問題に対処する。 本稿では,クラスタ化されたネットワーク干渉を考慮に入れた実験設計による問題設定の形式的記述を提案する。 本フレームワークでは, 異なる条件に適合する3つの評価手法を提案する。 さらに,典型的なeコマース環境において,クラスタ化されたネットワーク干渉をエミュレートするマーケットプレースシミュレータを導入する。 理論的,経験的両見識から,評価戦略に固有のバイアス分散トレードオフを特定することにより,最適な評価戦略を選択することを推奨する。

関連論文リスト

• Can We Validate Counterfactual Estimations in the Presence of General Network Interference? [6.092214762701847]
  対実推定のためのクロスバリデーションを実現する新しいフレームワークを提案する。 中心となるのは、分散保存ネットワークブートストラップ方式です。 我々は、不均一な単位レベル特性を取り入れることで、最近の因果メッセージパッシングの発展を拡大する。
  論文  参考訳（メタデータ） (2025-02-03T06:51:04Z)
• Online Experimental Design With Estimation-Regret Trade-off Under Network Interference [7.080131271060764]
  オンライン実験設計のための統合型干渉認識フレームワークを提案する。 既存の研究と比較して、露出マッピングの統計的概念を利用して腕の空間の定義を拡張した。 また、アルゴリズムの実装を提案し、異なる学習環境とネットワークトポロジにまたがる一般化について議論する。
  論文  参考訳（メタデータ） (2024-12-04T21:45:35Z)
• Optimal Baseline Corrections for Off-Policy Contextual Bandits [61.740094604552475]
  オンライン報酬指標の偏りのないオフライン推定を最適化する意思決定ポリシーを学習することを目指している。 学習シナリオにおける同値性に基づく単一のフレームワークを提案する。 我々のフレームワークは、分散最適非バイアス推定器の特徴付けを可能にし、それに対する閉形式解を提供する。
  論文  参考訳（メタデータ） (2024-05-09T12:52:22Z)
• Predictive Inference in Multi-environment Scenarios [18.324321417099394]
  有効な信頼区間を構築するという課題に対処し、複数の環境にまたがる予測の問題に対処する。 我々は、非伝統的で階層的なデータ生成シナリオにおいて、分散のないカバレッジを得る方法を示すために、Jackknifeとsplit-conformalメソッドを拡張します。 コントリビューションには、非実測値応答の設定の拡張、これらの一般的な問題における予測推論の一貫性の理論、条件付きカバレッジの限界に関する洞察が含まれる。
  論文  参考訳（メタデータ） (2024-03-25T00:21:34Z)
• 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)
• Off-Policy Evaluation for Large Action Spaces via Policy Convolution [60.6953713877886]
  ポリシ・コンボリューション(Policy Convolution)のファミリーは、アクション内の潜在構造を使用して、ログとターゲットポリシを戦略的に畳み込みます。 合成およびベンチマークデータセットの実験では、PCを使用する場合の平均二乗誤差(MSE)が顕著に改善されている。
  論文  参考訳（メタデータ） (2023-10-24T01:00:01Z)
• Quantile Off-Policy Evaluation via Deep Conditional Generative Learning [21.448553360543478]
  Off-Policy Evaluation (OPE) は、潜在的に異なる行動ポリシーによって生成されたオフラインデータを用いて、新しいターゲットポリシーを評価することに関心がある。 本稿では、逐次決定における量子OPEの2倍のロス率推論手順を提案する。 本提案手法の利点は,シミュレーションと,ショートビデオプラットフォームによる実世界のデータセットの両方を用いて示す。
  論文  参考訳（メタデータ） (2022-12-29T22:01:43Z)
• Neighborhood Adaptive Estimators for Causal Inference under Network Interference [152.4519491244279]
  我々は,古典的非干渉仮説の違反を考える。つまり,ある個人に対する治療が他者の結果に影響を及ぼす可能性がある。 干渉をトラクタブルにするために、干渉がどのように進行するかを記述する既知のネットワークを考える。 このような環境下での処理に対する平均的直接的処理効果の予測について検討した。
  論文  参考訳（メタデータ） (2022-12-07T14:53:47Z)
• Estimating the Effects of Continuous-valued Interventions using Generative Adversarial Networks [103.14809802212535]
  我々は,連続的評価介入の効果を推定する問題に対処するため,GAN(Generative Adversarial Network)フレームワークを構築した。 我々のモデルであるSCIGANは柔軟であり、いくつかの異なる継続的な介入に対する対実的な結果の同時推定が可能である。 継続的な介入に移行することによって生じる課題に対処するために、差別者のための新しいアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-02-27T18:46:21Z)
• GenDICE: Generalized Offline Estimation of Stationary Values [108.17309783125398]
  重要なアプリケーションでは,効果的な推定が依然として可能であることを示す。 我々のアプローチは、定常分布と経験分布の差を補正する比率を推定することに基づいている。 結果として得られるアルゴリズム、GenDICEは単純で効果的である。
  論文  参考訳（メタデータ） (2020-02-21T00:27:52Z)

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。