1. 首页首页
  2. 编程基础编程基础

Uplift 经典模型介绍

编程基础 • • 阅读 66

Uplift 经典模型介绍本文介绍了 Uplift 模型的几种经典方法 包括双模型 T Learner 单模型 S Learner 和 X Learner 以及 Uplift 树模型如 CTS 因果森林和正交随机森林

Uplift 经典模型介绍

  • 1. 学习相关模型
    • 1.1 双模型(Two Model, T-Learner)
    • 1.2 单模型(Single Model, S-Learner)
    • 1.3 X-Learner模型
  • 2. Uplift树模型
    • 2.1 CTS算法
    • 2.2 因果森林
    • 2.3 广义随机森林(GRF)
    • 2.4 正交随机森林(ORF)
  • 3. 剪枝方法
    • 3.1 重采样(resampling)
    • 3.2 单调约束
    • 3.3 最小增益
    • 3.4 最小样本数
  • 4. Uplift特征选择
  • 5. 因果推断常用开源库

1. 学习相关模型

1.1 双模型(Two Model, T-Learner)

  • 针对单Treatment而言，双模型的做法具体而言，将实验组和对照组分别建模，最后两个模型预测结果做差即为lift

\hat{u_{0}}(x) = E[Y(0)|X=x] \\
\hat{u_{1}}(x) = E[Y(1)|X=x] \\
\hat\tau(x) = \hat{u_{1}}(x) - \hat{u_{0}}(x) \\
  • 针对多Treatment而言，对各个实验组和对照组分别建模，然后每个实验组依次和对照组的预测结果做差，得到每个实验组对应的lift

\hat{u_{0}}(x) = E[Y(0)|X=x] \\
今天的文章 Uplift 经典模型介绍分享到此就结束了，感谢您的阅读。
编程小号
上一篇 2024-12-13 15:06
下一篇 2024-12-13 15:01

相关推荐

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
如需转载请保留出处：https://bianchenghao.cn/bian-cheng-ji-chu/85261.html