論文の概要: Counterfactual Optimal Action Trees (COAT): Interpretable Prescriptive Policies from Observational Data

• arxiv url: http://arxiv.org/abs/2607.14318v1
• Date: Wed, 15 Jul 2026 19:27:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-17 17:01:32.896827
• Title: Counterfactual Optimal Action Trees (COAT): Interpretable Prescriptive Policies from Observational Data
• Title（参考訳）: 対物的最適行動木(COAT: Counterfactual Optimal Action Trees):観測データからの解釈可能な規範的政策
• Abstract要約: COAT(Counterfactual Optimal Action Tree)は、観察データから解釈可能なポリシーを学ぶためのフレームワークである。 我々は、複雑なビジネスルールと限られた実験的柔軟性を特徴とする航空会社のアシラリー価格にCOATを適用した。 主要グローバル航空会社との17週間の飛行試験において、COATは予約1件あたりの規範的な収入を6.9%増やし、年次プレミアムシートの収入は50～1億5000万ドルと予測した。
• 参考スコア（独自算出の注目度）: 5.262496245363203
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce COAT (Counterfactual Optimal Action Tree), a framework for learning interpretable prescriptive policies from observational data. COAT combines counterfactual outcome estimation with large-scale mixed-integer optimization, using column generation to translate causal predictions into feasible, transparent decisions under business and regulatory constraints. We apply COAT to airline ancillary pricing, a setting characterized by complex business rules and limited experimental flexibility. In a 17-week field pilot with a major global airline, COAT increased upsell revenue per booking by 6.9%, with the airline projecting \$50-\$150 million in incremental annual premium seat revenue across eligible domestic markets. The success of the pilot led to scaled adoption and informed broader AI-driven decision initiatives within the organization.
• Abstract（参考訳）: 観察データから解釈可能な規範ポリシーを学習するためのフレームワークであるCOAT(Counterfactual Optimal Action Tree)を紹介する。 COATは、因果予測をビジネスおよび規制上の制約の下で実現可能で透明な決定に変換するために列生成を使用する大規模な混合整数最適化と反実結果推定を組み合わせている。 我々は、複雑なビジネスルールと限られた実験的柔軟性を特徴とする航空会社のアシラリー価格にCOATを適用した。 主要グローバル航空会社との17週間のフィールドパイロットで、COATは予約1件あたりの売り上げを6.9%増やし、国内市場全体で年間年間プレミアムシート収入を50～150万ドルと予測している。 パイロットの成功により、採用が拡大し、組織内でAI主導の意思決定イニシアチブがより広範なものとなった。

関連論文リスト

• Policy-Aligned Estimation of Conditional Average Treatment Effects [0.0]
  マーケティング行動の条件付き平均治療効果(CATE)を推定する手法を提案する。 本手法は,標準利益問題における企業の目標機能を変更することにより,ほぼ最適のターゲティングポリシーを導出する。
  論文  参考訳（メタデータ） (2025-12-15T14:51:02Z)
• ATLAS: Constraints-Aware Multi-Agent Collaboration for Real-World Travel Planning [53.065247112514534]
  ATLASは、現実世界の旅行計画タスクにおける制約意識の複雑な性質を扱うために設計された汎用マルチエージェントフレームワークである。 我々はTravelPlannerベンチマークで最先端のパフォーマンスを示し、最終パスレートを23.3%から44.4%に改善した。
  論文  参考訳（メタデータ） (2025-09-29T23:23:52Z)
• Log-Sum-Exponential Estimator for Off-Policy Evaluation and Learning [50.93804891554481]
  従来の逆確率スコア推定よりも優れた対数推定演算子(log-sum-exponential (LSE)演算子)に基づく新しい推定器を提案する。 我々のLSE推定器は, 重み付き条件下での分散低減とロバスト性を示す。 政治以外の学習シナリオでは、LSE推定器と最適ポリシーの間のパフォーマンスギャップである後悔の限界を確立します。
  論文  参考訳（メタデータ） (2025-06-07T17:37:10Z)
• Off-policy Evaluation for Payments at Adyen [0.0]
  オフ・ポリティ・アセスメント(OPE)は、Adyenの推奨システム開発と最適化を加速するために適用された。 分析の結果,OPE推定値とオンラインA/Bテスト結果との間には強い相関関係があることが判明した。 大規模産業決済システムにおける意思決定システムの有効性と統合に関するガイダンスを提供する。
  論文  参考訳（メタデータ） (2025-01-15T22:17:01Z)
• CSPRD: A Financial Policy Retrieval Dataset for Chinese Stock Market [61.59326951366202]
  我々は、中国株式政策検索データセット(CSPRD)を導入して、新たな課題である政策検索を提案する。 CSPRDは、中国の政策コーパスの10k以上の項目から、経験豊富な専門家によってラベル付けされた700以上のパスを提供する。 我々の最高のパフォーマンスベースラインは56.1% MRR@10、28.5% NDCG@10、37.5% Recall@10、80.6% Precision@10である。
  論文  参考訳（メタデータ） (2023-09-08T15:40:54Z)
• Business Metric-Aware Forecasting for Inventory Management [3.612315888343108]
  時系列予測はビジネス計画において重要な役割を果たす。 フォアキャスターは通常、下流のビジネス目標に非依存な目標を最適化します。 エンドツーエンドの最適化は、標準的なビジネスに依存しない予測指標の最適化よりも優れていることがよく示される。
  論文  参考訳（メタデータ） (2023-08-24T23:49:27Z)
• Model-based Causal Bayesian Optimization [74.78486244786083]
  乗算重み付き因果ベイズ最適化のための最初のアルゴリズム(CBO-MW)を提案する。 グラフ関連の量に自然に依存するCBO-MWに対する後悔の限界を導出する。 我々の実験は、共有モビリティシステムにおいて、ユーザの需要パターンを学習するためにCBO-MWをどのように使用できるかの現実的なデモを含む。
  論文  参考訳（メタデータ） (2023-07-31T13:02:36Z)
• Structured Dynamic Pricing: Optimal Regret in a Global Shrinkage Model [50.06663781566795]
  消費者の嗜好と価格感が時間とともに変化する動的モデルを考える。 我々は,モデルパラメータの順序を事前に把握している透視者と比較して,収益損失が予想される,後悔による動的価格政策の性能を計測する。 提案した政策の最適性を示すだけでなく,政策立案のためには,利用可能な構造情報を組み込むことが不可欠であることを示す。
  論文  参考訳（メタデータ） (2023-03-28T00:23:23Z)
• When Demonstrations Meet Generative World Models: A Maximum Likelihood Framework for Offline Inverse Reinforcement Learning [62.00672284480755]
  本稿では, 専門家エージェントから, 一定の有限個の実演において観測された動作を過小評価する報酬と環境力学の構造を復元することを目的とする。 タスクを実行するための正確な専門知識モデルは、臨床的意思決定や自律運転のような安全に敏感な応用に応用できる。
  論文  参考訳（メタデータ） (2023-02-15T04:14:20Z)
• A machine learning approach to itinerary-level booking prediction in competitive airline markets [0.0]
  競合データ、価格、ソーシャルメディア、安全、航空会社のレビューなど、複数のソースからのデータを組み合わせています。 顧客行動は価格に敏感でスケジュールに敏感で快適なODに分類できることを示す。 このモデルは、従来の時系列予測よりも高い収益をもたらす予測を生成する。
  論文  参考訳（メタデータ） (2021-03-15T14:32:11Z)
• Estimating the Impact of an Improvement to a Revenue Management System: An Airline Application [20.846750734233563]
  本稿では, 対物予測モデルの概要を概観し, エア・カナダのデータに基づく広範な計算研究に活用する。 当社のマイクロエコノミクス応用と軽微な治療効果は,通常の合成制御応用と異なる。 本稿では, 誤差の1.1%, 1%を精度良く予測し, シミュレーション効果を正確に推定できる線形および深層学習対実予測モデルを提案する。
  論文  参考訳（メタデータ） (2021-01-13T15:55:29Z)

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。