一直以來機器學習希望解決的一個問題就是'what if'，也就是決策指導： 如果我給用戶發優惠券用戶會留下來么？ 如果患者服了這個葯血壓會降低么？ 如果APP增加這個功能會增加用戶的使 ...

Hetergeneous Treatment Effect旨在量化實驗對不同人群的差異影響，進而通過人群定向/數值策略的方式進行差異化實驗，或者對實驗進行調整。Double Machine Learn ...

Meta Learner和之前介紹的Causal Tree直接估計模型不同，屬於間接估計模型的一種。它並不直接對treatment effect進行建模，而是通過對response effect(ta ...

背景 都說隨機是AB實驗的核心，為什么隨機這么重要呢？有人說因為隨機所以AB組整體不存在差異，這樣才能准確估計實驗效果（ATE） \[ATE = E(Y_t(1) - Y_c(0)) \] ...

背景 AB實驗可謂是互聯網公司進行產品迭代增加用戶粘性的大殺器。但人們對AB實驗的應用往往只停留在開實驗算P值，然后let it go。。。let it go 。。。 讓我們把AB實驗的結果簡單的 ...

這篇是treatment effect估計相關的論文系列第一篇所以會啰嗦一點多給出點背景。 論文 Athey, S., and Imbens, G. 2016. Recursive partiti ...

CACE全稱Compiler Average Casual Effect或者Local Average Treatment Effect。在觀測數據中的應用需要和Instrument Variable ...

這篇論文是在 Recursive Partitioning for Heterogeneous Causal Effects 的基礎上加入了兩個新元素： Trigger：對不同群體的treat ...