一直以来机器学习希望解决的一个问题就是'what if'，也就是决策指导： 如果我给用户发优惠券用户会留下来么？ 如果患者服了这个药血压会降低么？ 如果APP增加这个功能会增加用户的使 ...

Hetergeneous Treatment Effect旨在量化实验对不同人群的差异影响，进而通过人群定向/数值策略的方式进行差异化实验，或者对实验进行调整。Double Machine Learn ...

Meta Learner和之前介绍的Causal Tree直接估计模型不同，属于间接估计模型的一种。它并不直接对treatment effect进行建模，而是通过对response effect(ta ...

背景 都说随机是AB实验的核心，为什么随机这么重要呢？有人说因为随机所以AB组整体不存在差异，这样才能准确估计实验效果（ATE） \[ATE = E(Y_t(1) - Y_c(0)) \] ...

背景 AB实验可谓是互联网公司进行产品迭代增加用户粘性的大杀器。但人们对AB实验的应用往往只停留在开实验算P值，然后let it go。。。let it go 。。。 让我们把AB实验的结果简单的 ...

这篇是treatment effect估计相关的论文系列第一篇所以会啰嗦一点多给出点背景。 论文 Athey, S., and Imbens, G. 2016. Recursive partiti ...

CACE全称Compiler Average Casual Effect或者Local Average Treatment Effect。在观测数据中的应用需要和Instrument Variable ...

这篇论文是在 Recursive Partitioning for Heterogeneous Causal Effects 的基础上加入了两个新元素： Trigger：对不同群体的treat ...