論文の概要: What is the Value of Censored Data? An Exact Analysis for the Data-driven Newsvendor
- arxiv url: http://arxiv.org/abs/2602.16842v1
- Date: Wed, 18 Feb 2026 20:13:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-20 15:21:28.327507
- Title: What is the Value of Censored Data? An Exact Analysis for the Data-driven Newsvendor
- Title（参考訳）: 検閲データの価値は何か? : データ駆動ニューズベンダーの厳密な分析
- Authors: Rachitesh Kumar, Omar Mouchtaki,
- Abstract要約: 在庫レベルで需要が検閲され、販売のみが観察される状況について検討する。
以上の結果から、この需要データに基づく政策は、売上データが蓄積されるにつれてパフォーマンスを損なう可能性が示唆された。
- 参考スコア（独自算出の注目度）: 1.5469452301122175
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study the offline data-driven newsvendor problem with censored demand data. In contrast to prior works where demand is fully observed, we consider the setting where demand is censored at the inventory level and only sales are observed; sales match demand when there is sufficient inventory, and equal the available inventory otherwise. We provide a general procedure to compute the exact worst-case regret of classical data-driven inventory policies, evaluated over all demand distributions. Our main technical result shows that this infinite-dimensional, non-convex optimization problem can be reduced to a finite-dimensional one, enabling an exact characterization of the performance of policies for any sample size and censoring levels. We leverage this reduction to derive sharp insights on the achievable performance of standard inventory policies under demand censoring. In particular, our analysis of the Kaplan-Meier policy shows that while demand censoring fundamentally limits what can be learned from passive sales data, just a small amount of targeted exploration at high inventory levels can substantially improve worst-case guarantees, enabling near-optimal performance even under heavy censoring. In contrast, when the point-of-sale system does not record stockout events and only reports realized sales, a natural and commonly used approach is to treat sales as demand. Our results show that policies based on this sales-as-demand heuristic can suffer severe performance degradation as censored data accumulates, highlighting how the quality of point-of-sale information critically shapes what can, and cannot, be learned offline.
- Abstract（参考訳）: 検閲された需要データを用いたオフラインデータ駆動型ニュースベンダ問題について検討する。
在庫レベルにおいて需要が検閲され、販売のみが観察される設定を考えると、在庫が十分である場合の需要は需要と一致し、それ以外は在庫に匹敵する。
我々は、すべての需要分布に対して評価された、古典的なデータ駆動型在庫政策の正確な最悪の後悔を計算するための一般的な手順を提供する。
我々の技術成果は、この無限次元非凸最適化問題を有限次元に減らし、任意のサンプルサイズと検閲レベルに対するポリシーの性能を正確に評価できることを示している。
我々は、この削減を利用して、需要規制の下での標準在庫政策の達成可能なパフォーマンスに関する鋭い洞察を得る。
特に、Kaplan-Meier政策の分析では、受動的販売データから学べるものは、需要検閲によって基本的に制限されているが、在庫水準の高いターゲット探索は、最悪の場合の保証を大幅に改善し、厳しい検閲下でもほぼ最適性能を実現することができる。
対照的に、ポイント・オブ・セールシステムが在庫イベントを記録せず、販売が実現したことを報告していない場合、自然で一般的に使われているアプローチは、販売を需要として扱うことである。
以上の結果から,このオンデマンドヒューリスティックに基づく政策は,検閲データが蓄積するにつれて深刻なパフォーマンス劣化を招き,ポイント・オブ・セール情報の質がオフラインで学習できることを批判的に形作ることを示す。
関連論文リスト
- Non-Stationary Inventory Control with Lead Times [0.4927882324444362]
非定常単体, 定期レビュー在庫管理問題について検討した。
非定常性の需要が在庫モデル全体の学習性能に与える影響を分析する。
論文 参考訳（メタデータ） (2026-02-05T15:53:37Z) - Offline Dynamic Inventory and Pricing Strategy: Addressing Censored and Dependent Demand [7.289672463326423]
オフライン機能に基づく価格と在庫管理の問題について検討する。
私たちの目標は、オフラインデータセットを活用して、最適な価格と在庫管理ポリシを見積もることです。
論文 参考訳（メタデータ） (2025-04-14T02:57:51Z) - Are You Getting What You Pay For? Auditing Model Substitution in LLM APIs [71.7892165868749]
LLM(Commercial Large Language Model) APIは基本的な信頼の問題を生み出します。
ユーザーは特定のモデルに課金するが、プロバイダが忠実に提供できることを保証することはない。
我々は,このモデル置換問題を定式化し,現実的な逆条件下での検出方法を評価する。
我々は,信頼された実行環境(TEE)を実用的で堅牢なソリューションとして使用し,評価する。
論文 参考訳（メタデータ） (2025-04-07T03:57:41Z) - The Data-Driven Censored Newsvendor Problem [0.552480439325792]
我々は,データ駆動型ニューズベンダー問題の検閲版について検討する。そこでは,意思決定者は,期待される過給と低給のコストを最小限に抑える順序付け量を選択する必要がある。
我々のゴールは、歴史的需要の検閲の程度が、この問題に対する学習アルゴリズムのパフォーマンスにどのように影響するかを理解することである。
我々は、歴史的需要検閲のレベルに適応する、自然なロバストなアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-12-02T17:58:54Z) - A Primal-Dual Online Learning Approach for Dynamic Pricing of Sequentially Displayed Complementary Items under Sale Constraints [54.46126953873298]
顧客に対して順次表示される補完アイテムの動的価格設定の問題に対処する。
各項目の価格を個別に最適化するのは効果がないため、補完項目のコヒーレントな価格ポリシーが不可欠である。
実世界のデータからランダムに生成した合成設定を用いて,我々のアプローチを実証的に評価し,制約違反や後悔の観点からその性能を比較した。
論文 参考訳（メタデータ） (2024-07-08T09:55:31Z) - F-FOMAML: GNN-Enhanced Meta-Learning for Peak Period Demand Forecasting with Proxy Data [65.6499834212641]
本稿では,需要予測をメタラーニング問題として定式化し,F-FOMAMLアルゴリズムを開発した。
タスク固有のメタデータを通してドメインの類似性を考慮することにより、トレーニングタスクの数が増加するにつれて過剰なリスクが減少する一般化を改善した。
従来の最先端モデルと比較して,本手法では需要予測精度が著しく向上し,内部自動販売機データセットでは平均絶対誤差が26.24%,JD.comデータセットでは1.04%削減された。
論文 参考訳（メタデータ） (2024-06-23T21:28:50Z) - Language Models Can Reduce Asymmetry in Information Markets [100.38786498942702]
我々は、言語モデルを利用した知的エージェントが外部参加者に代わって情報を売買する、オープンソースのシミュレートされたデジタルマーケットプレースを紹介した。
このマーケットプレースを実現する中心的なメカニズムはエージェントの二重機能であり、特権情報の品質を評価する能力を持つと同時に、忘れる能力も備えている。
適切に行動するためには、エージェントは合理的な判断をし、生成されたサブクエリを通じて市場を戦略的に探索し、購入した情報から回答を合成する必要がある。
論文 参考訳（メタデータ） (2024-03-21T14:48:37Z) - 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) - Stop Uploading Test Data in Plain Text: Practical Strategies for
Mitigating Data Contamination by Evaluation Benchmarks [70.39633252935445]
データ汚染は、大規模な自動クロールコーパスで事前訓練されたモデルの台頭によって、普及し、課題となっている。
クローズドモデルの場合、トレーニングデータはトレードシークレットになり、オープンモデルであっても汚染を検出するのは簡単ではない。
1)公開するテストデータを公開鍵で暗号化し,デリバティブ配信を許可する,(2)クローズドAPI保持者からの要求トレーニング排他的コントロールを許可する,(2)評価を拒否してテストデータを保護する,(3)インターネット上のソリューションで表示されるデータを避け,インターネット由来のWebページコンテキストを解放する,という3つの方法を提案する。
論文 参考訳（メタデータ） (2023-05-17T12:23:38Z) - Loss Functions for Discrete Contextual Pricing with Observational Data [8.661128420558349]
顧客および/または製品の特徴に基づいて、各顧客がコンテキスト化された価格で提供される価格設定について検討する。
顧客の真の価値よりも,各顧客が所定の価格で商品を購入しているかどうかを観察する。
論文 参考訳（メタデータ） (2021-11-18T20:12:57Z)
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。