Uplift Tree建模

编程基础 • 2024-12-13 13:51 • 阅读 79

决策树构建流程：

1. 节点划分

在每个树节点上，遍历所有特征以及该特征下的所有取值，以最大化实验组和对照组之间的转化率差异。

2. 增益计算

每个节点根据实验组和对照组在该特征下的转化率差异来计算增益。例如，某一群体可能在干预下表现出更高的购买率，而另一群体则没有显著变化。增益计算公式如下：
$D_{\text {gain }}=D_{\text {after }\_{\text {split }}}\left(P^T(Y), P^C(Y)\right)-D_{\text {before}\_{\text {split }}}\left(P^T(Y), P^C(Y)\right)$

$P^T(Y)$ 表示实验组样本中类别 $Y$ 的概率
$P^C(Y)$ 表示对照组样本中类别 $Y$ 的概率
$D$ 表示度量距离，可以欧氏距离、KL散度等
$D_{\text {after }\_{\text {split }}}\left(P^T(Y), P^C(Y)\right)$ 即为该叶子节点的uplift值，一般都是 $P^T(Y) - P^C(T)$

3. 增益预测

给定一用户，根据该用户的所有特征以及该特征下的所有取值，将其分配到某一个叶子节点，得到该用户的uplift值。

参考

因果推断笔记——uplift建模、meta学习、Class Transformation Method（八）
闲聊因果效应（5）：树模型（Tree-Based）、分类模型（The class transformation）

今天的文章 Uplift Tree建模分享到此就结束了，感谢您的阅读。

Uplift Tree建模

1. 节点划分

2. 增益计算

3. 增益预测

参考

相关推荐