因果推断- - 风雨中的小七

摘要：

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结合来看，这里我们只讨论CACE的框架给随机AB实验提供的一些learning。你碰到过以下低实验渗阅读全文

posted @ 2020-03-12 08:45 风雨中的小七阅读(4731) 评论(7) 推荐(0)

AB实验的高端玩法系列3 - AB组不随机？观测试验？Propensity Score

摘要：

## 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） $$ ATE = E(Y_t(1) - Y_c(0)) $$ 那究竟随机是如何定义的呢？根据Rubin Causal Model，想要让上述估计无偏，随机实验需阅读全文

posted @ 2019-11-05 09:49 风雨中的小七阅读(7382) 评论(2) 推荐(0)

AB实验的高端玩法系列2 - 更敏感的AB实验, CUPED！

摘要：

如果你的产品改进方案本来就没啥效果当然怎么开实验都没用，但如果方案有效，请不要让 statistical Hack 浪费一个优秀的idea. 如果预期实验效果比较小，有哪些基础操作来增加实验显著性呢？阅读全文

posted @ 2019-10-27 21:49 风雨中的小七阅读(13251) 评论(6) 推荐(0)

AB实验的高端玩法系列1 - AB实验人群定向/个体效果差异/HTE/Uplift Model 论文github收藏

摘要：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用时长么？ - 如果实施这个货币政策对有效提振经济么？这类问题之所以难以解决是因为ground tru 阅读全文

posted @ 2019-10-21 07:01 风雨中的小七阅读(15364) 评论(2) 推荐(1)

AB实验人群定向HTE模型5 - Meta Learner

摘要：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(target)进行建模，用treatment带来的target变化作为HTE的估计。主要方法有3种:T- 阅读全文

posted @ 2020-02-24 21:25 风雨中的小七阅读(5936) 评论(5) 推荐(0)

AB实验人群定向HTE模型4 - Double Machine Learning

摘要：

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 Learning把Treatment作为特征，通过估计特征对目标的影响来计算实验的差异效果。 Machine 阅读全文

posted @ 2020-02-08 21:15 风雨中的小七阅读(11974) 评论(2) 推荐(0)

AB实验人群定向HTE模型2 - Causal Tree with Trigger

摘要：这篇论文是在 [Recursive Partitioning for Heterogeneous Causal Effects][1] 的基础上加入了两个新元素： - Trigger：对不同群体的treatment选择个性化阈值。 E.g优惠券力度，红包金额 - 新的Node Penalty: 旨在阅读全文

posted @ 2019-10-22 10:32 风雨中的小七阅读(3958) 评论(1) 推荐(0)

AB实验人群定向HTE模型1 - Causal Tree

摘要：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。其他相关模型详见[AB实验的高端玩法系列1 - AB实验人群定向/个体效果差异/HTE 论文github收藏][2] ### 论文 Athey, S., and Imbens, G. 2016. Recurs 阅读全文

posted @ 2019-10-21 10:22 风雨中的小七阅读(9543) 评论(0) 推荐(1)

因果推理的春天系列序 - 数据挖掘中的Confounding, Collidar, Mediation Bias

摘要：

已知特征$X=x_1$的样本呈现$Y=y_1$的特点,或者$Y=y_1$的样本有$X=x_1$的特征，如何计算干预X对Y的影响 Eg. 看快手视频喜欢评论的用户活跃程度更高，那引导用户去发表评论能让他们更活跃么? 建模特征应该如何选择，以及特征通过那些途径最终影响Y Eg. 个人并不喜欢有啥放啥的建阅读全文

posted @ 2019-12-07 15:10 风雨中的小七阅读(5701) 评论(0) 推荐(2)

风雨中的小七

合集-因果推断