論文の概要: Doubly Robust Distributionally Robust Offline Contextual Pricing

• arxiv url: http://arxiv.org/abs/2610.30957v1
• Date: Thu, 22 Oct 2026 09:06:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.297168
• Title: Doubly Robust Distributionally Robust Offline Contextual Pricing
• Title（参考訳）: 二重ロバスト分布型オフライン価格
• Abstract要約: 継続的価格設定において、分散的にロバストなOPE/Lを実現するための2重ロバストな(DR)フレームワークを開発する。 学習のためには、需要ノイズの固有の滑らかさを活用して、収益結果の価格固有の不連続性に対処する。 この境界は、既存のDROベースの非政治学習(OPL)における、継続的な治療に対する既存の後悔率を改善する。
• 参考スコア（独自算出の注目度）: 13.836196663879967
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Offline contextual pricing often relies on logged observational data, but faces challenges from distributional shifts between training and deployment environments. Distributionally robust optimization (DRO) provides a principled approach to off-policy evaluation and learning (OPE/L). However, existing methods are mostly limited to discrete actions. Recent work has explored DRO for continuous treatments using inverse propensity weighting (IPW), while such IPW-based estimators can be sensitive to the convergence rate of propensity score estimates, particularly when estimated nonparametrically, which may lead to larger estimation errors and regret. In this work, we develop a doubly robust (DR) framework for distributionally robust OPE/L in continuous pricing settings. For evaluation, we propose a localized DR estimator that addresses the computational challenges of worst-case expectations by fitting only a small number of regressions, comparable to standard non-robust DR, while achieving semiparametric efficiency under mild product rate conditions. For learning, we leverage the inherent smoothness of demand noise to handle pricing-specific discontinuities in revenue outcomes (e.g., threshold-based purchase decisions), establishing a finite-sample regret bound of $\tilde{\mathcal{O}}_p(T^{-s/(2s+1)})$ for smoothness orders $s=1,2$. This bound improves upon existing regret rates in existing DRO-based off-policy learning (OPL) for continuous treatments. Extensive experiments under various levels of distribution shift validate our proposed framework.
• Abstract（参考訳）: オフラインコンテキストの価格設定は、ログ化された観測データに依存することが多いが、トレーニングとデプロイメント環境の分散シフトによる課題に直面している。 分散ロバスト最適化(DRO)は、オフ政治評価と学習(OPE/L)に対する原則的なアプローチを提供する。 しかし、既存の手法はほとんどが離散的な行動に限られている。 近年の研究では、逆相対性重み付け(IPW)を用いた連続的な治療のためのDROについて検討されているが、そのようなIPWベースの推定器は、特に非パラメトリックに推定された場合、不測値の収束率に敏感である。 本研究では,継続的価格設定において,分散的にロバストなOPE/Lを実現するためのDRフレームワークを開発する。 評価のために, 軽度の積率条件下で半パラメトリック効率を達成しつつ, 標準的な非ロバストDRに匹敵する少数の回帰のみを適合させて, 最悪の予測の計算課題に対処する局所DR推定器を提案する。 学習には、需要ノイズの固有の滑らかさを活用して、収益結果の価格固有の不連続性(しきい値に基づく購入決定など)に対処し、スムーズネスオーダー$s=1,2$に対して$\tilde{\mathcal{O}}_p(T^{-s/(2s+1)}の有限サンプル後悔境界を確立する。 この境界は、既存のDROベースの非政治学習(OPL)における、継続的な治療に対する既存の後悔率を改善する。 分布シフトの様々なレベルにおける大規模な実験は、提案した枠組みを検証した。

関連論文リスト

• Ratio-Variance Regularized Policy Optimization [64.95520246570446]
  ポリシ比の分散を明示的に制約することは、信頼領域の制約に対する原則的な局所近似をもたらすことを示す。 本稿では,この制約を実装したR2bf VPO$(Ratio-Variance Regularized Policy Optimization)を紹介する。
  論文  参考訳（メタデータ） (2026-05-26T09:53:42Z)
• Statistical Guarantees for Distributionally Robust Optimization with Optimal Transport and OT-Regularized Divergences [4.056434158960926]
  DROに基づく対人訓練による教師あり学習における集中不等式を導出する。 この結果は、$p$-Wasserstein の場合よりも幅広い OT コスト関数に適用できる。
  論文  参考訳（メタデータ） (2026-03-29T21:12:08Z)
• 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)
• A Note on Doubly Robust Estimator in Regression Discontinuity Designs [10.470114319701576]
  回帰不連続性(RD)設計のための二重頑健性(DR)推定器を提案する。 DR-RD推定器はRD設計における処理効果推定器のロバスト性を高める。
  論文  参考訳（メタデータ） (2024-11-12T17:58:34Z)
• Minimax Optimality in Contextual Dynamic Pricing with General Valuation Models [8.981637739384674]
  意思決定者は、観測可能なコンテキストに基づいてパーソナライズされた価格を投稿する。 それぞれのバリュエーションはコンテキストの未知の潜在関数としてモデル化され、独立性と同一に分散された市場ノイズによって破損する。
  論文  参考訳（メタデータ） (2024-06-24T23:43:56Z)
• Doubly Robust Proximal Causal Learning for Continuous Treatments [56.05592840537398]
  本稿では,カーネルベースの2倍頑健な因果学習推定器を提案する。 オラクル形式は影響関数の一貫した近似であることを示す。 次に、平均二乗誤差の観点から総合収束解析を行う。
  論文  参考訳（メタデータ） (2023-09-22T12:18:53Z)
• Doubly Robust Distributionally Robust Off-Policy Evaluation and Learning [59.02006924867438]
  オフ政治評価と学習(OPE/L)は、オフラインの観察データを使用してより良い意思決定を行う。 近年の研究では、分散ロバストなOPE/L (DROPE/L) が提案されているが、この提案は逆正則重み付けに依存している。 KL分散不確実性集合を用いたDROPE/Lの最初のDRアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-02-19T20:00:44Z)

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。