当前位置:首页 > 报告详情

基于深度学习多实验叠加效果因果推断.pdf

上传人: 2*** 编号:144883 2023-10-28 50页 4.19MB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文主要介绍了张任宇教授在2023年DataFun Summit上关于深度学习与双重机器学习结合进行大规模组合实验因果推断的研究。张教授提出了一种新的方法,即“去偏深度学习”(DeDL),该方法结合了深度学习和双重机器学习(DML)的优势,能够有效地估计和推断大规模组合实验的平均处理效应(ATE)。 关键点包括: 1. 张教授的研究解决了在大规模组合实验中如何估计和推断多个A/B测试组合处理效应的问题。 2. 他们提出的方法包括两个阶段:第一阶段使用深度学习识别处理效应,第二阶段使用双重机器学习进行去偏和推断。 3. 在实证研究中,他们使用快手平台上的大规模现场实验数据进行了验证,结果表明DeDL方法优于其他基准方法,如线性添加、线性回归、纯深度学习和结构化深度学习。 4. 研究还表明,通过Neyman正交性进行去偏可以显著提高ATE估计的准确性。 5. 该框架已被快手平台采用,并有望开源。
如何利用深度学习进行多实验因果推断? 深度学习与双重机器学习如何结合? 如何在实践中验证双重机器学习方法?
客服
商务合作
小程序
服务号
折叠