論文の概要: Set-Valued Policy Learning

• arxiv url: http://arxiv.org/abs/2605.19830v1
• Date: Tue, 19 May 2026 13:24:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:09.368586
• Title: Set-Valued Policy Learning
• Title（参考訳）: 集合的政策学習
• Authors: Laura Fuentes-Vicente, Mathieu Even, Gaëlle Dormion, Antoine Chambaz, Uri Shalit, Julie Josse,
• Abstract要約: 本稿では,複数処理設定のための政策学習パラダイムを提案する。 提案手法は,新しいテキスト・グラデスト・ロウアー・バウンド法により複数の処理に拡張し,未観測の地道的最適処理と推定された最適処理規則のギャップを埋めるテキスト・コンフォーマル・ポリシー学習を導入する。
• 参考スコア（独自算出の注目度）: 17.33185980499072
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Conventional treatment policies map patient covariates to a single recommended intervention in order to maximize expected clinical outcomes. Although a rich body of causal inference methods has been developed to estimate such policies, point-valued recommendations can be highly sensitive to estimation uncertainty, model specification, and finite-sample variability, while typically providing little guidance about how confident one should be in the recommended action. In this work, we propose a set-valued policy learning paradigm for the multiple-treatment setting, in which policies output a set of plausible treatments rather than a single recommendation. This formulation enables intrinsic uncertainty quantification, with the size of the predicted set reflecting the degree of decision ambiguity. We extend the learning-to-defer framework to multiple treatments via a novel \textit{greatest Lower Bound} method, and introduce \textit{conformal policy learning}, which bridges the gap between unobserved ground-truth optimal treatments and estimated optimal treatment rules. Drawing on insights from the noisy-label literature, we develop a randomness-injection approach that guarantees marginal coverage without requiring assumptions on underlying black-box optimal treatment rules. Through experiments on synthetic data and a real-world application to In-Vitro Fertilization (IVF), we demonstrate that our methods produce robust and actionable policies that naturally incorporate clinical considerations while effectively balancing performance and reliability.
• Abstract（参考訳）: 従来の治療方針は、期待される臨床結果の最大化のために、患者の共変を単一の推奨介入にマッピングする。 このようなポリシーを推定するために、豊富な因果推論手法が開発されているが、ポイント評価されたレコメンデーションは、推定の不確実性、モデル仕様、有限サンプル変動に非常に敏感であり、典型的には推奨行動における自信についてはほとんどガイダンスを提供していない。 本研究では,複数処理環境における政策学習パラダイムを提案する。 この定式化は、決定のあいまいさの程度を反映した予測セットのサイズで固有の不確実性定量化を可能にする。 学習から遅延までのフレームワークを,新しい‘textit{ Greatest Lower Bound} 法により複数の処理に拡張し,未観測の地道的最適処理と推定された最適処理規則のギャップを埋める,‘textit{conformal Policy Learning} を導入する。 ノイズ・ラベルの文献からの洞察に基づいて,ブラックボックスの最適処理規則を前提とせず,限界範囲のカバーを保証できるランダムネス・インジェクション手法を開発した。 In-Vitro Fertilization (IVF, In-Vitro Fertilization, In-Vitro Fertilization, In-Vitro Fertilization, In-Vitro Fertilization, In-Vitro Fertilization, In-Vitro Fertilization, In-Vitro Fertilization, In-Vitro Fertilization, In-Vitro Fertilization, In-Vitro Fertilization, In-Vitro Fertilization, In-Vitro Fertilization, IVF) に対する実世界の応用実験を通じて,本手法は,臨床的考察を自然に取り入れた堅牢かつ実用的な政策を導出することを示した。

関連論文リスト

• Near-Equivalent Q-learning Policies for Dynamic Treatment Regimes [0.0]
  最悪の許容基準を導入することで、振り返りデータのためのQラーニングフレームワークを拡張します。 提案手法は、最適の制御された近傍で性能が維持されるような、$varepsilon$-optimal Policyの集合を構成することを示す。 決定境界付近の差分領域をハイライトする単一ステージ問題と、シミュレーションオンコロジーモデルに基づく多段階決定プロセスの2つの設定で説明する。
  論文  参考訳（メタデータ） (2026-03-19T20:08:27Z)
• Transfer Learning for Classification under Decision Rule Drift with Application to Optimal Individualized Treatment Rule Estimation [50.34670342434884]
  本研究では,ベイズ決定規則による後方ドリフトのモデル化手法を提案する。 穏やかな規則性条件の下では、推定器の整合性を確立し、リスク境界を導出する。 本稿では,最適な個別化処理ルールの推定に適応させることにより,本手法の幅広い適用性について述べる。
  論文  参考訳（メタデータ） (2025-08-28T16:03:06Z)
• Achieving $\widetilde{\mathcal{O}}(\sqrt{T})$ Regret in Average-Reward POMDPs with Known Observation Models [69.1820058966619]
  平均逆無限水平POMDPを未知の遷移モデルで扱う。 この障壁を克服する斬新でシンプルな推定器を提示する。
  論文  参考訳（メタデータ） (2025-01-30T22:29:41Z)
• 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)
• Optimal and Fair Encouragement Policy Evaluation and Learning [9.036025934093963]
  本研究は, 陽性の潜在的な違反を含む最適治療規則の因果同定とロバストな評価について検討した。 一般制約下でのパラメタライズされたポリシークラスを解くための2段階のアルゴリズムを開発し、分散感応的後悔境界を求める。 本研究は, SNAP給付のリマインダーデータ, 保険申請の無作為化促進, および電子監視による事前管理リリースに基づく3つのケーススタディである。
  論文  参考訳（メタデータ） (2023-09-12T20:45:30Z)
• Conformal Off-Policy Prediction in Contextual Bandits [54.67508891852636]
  コンフォーマルなオフ政治予測は、新しい目標ポリシーの下で、結果に対する信頼できる予測間隔を出力することができる。 理論上の有限サンプル保証は、標準的な文脈的バンディットの設定を超える追加の仮定をすることなく提供する。
  論文  参考訳（メタデータ） (2022-06-09T10:39:33Z)
• Reliable Off-policy Evaluation for Reinforcement Learning [53.486680020852724]
  シーケンシャルな意思決定問題において、非政治評価は、目標政策の期待累積報酬を推定する。 本稿では、1つまたは複数のログデータを用いて、ロバストで楽観的な累積報酬推定を提供する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-11-08T23:16:19Z)

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。