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 ...

已知特征\(X=x_1\)的樣本呈現\(Y=y_1\)的特點,或者\(Y=y_1\)的樣本有\(X=x_1\)的特征，如何計算干預X對Y的影響 Eg. 看快手視頻喜歡評論的用戶活躍程度更高，那引導用戶 ...

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 ...

一直在關注可解釋機器學習領域，因為確實在工作中有許多應用 模型檢查，特征重要性是否符合預期和AUC一樣重要 模型解釋，比起虛無縹緲的模型指標，解釋模型學到的規律更能說服業務方 樣本解釋 ...