Uplift Modeling#
やりたいこと：
介入効果はユーザーの属性によって異なる。
効果の高そうなユーザー（persuadables; 介入があれば素直に従ってコンバージョンしてくれる人）に介入したい
Two-Model Approach#
最もシンプルな方法
A/Bテストでデータを取得し、処置群と対照群それぞれに対してOutcome \(Y\)の予測モデル
\[\begin{split}
f_1(x) \approx E[Y_1 | X = x]\\
f_0(x) \approx E[Y_0 | X = x]\\
\end{split}\]
を作る
この2つのモデルはMeta-Learnerアルゴリズムで利用する。
シンプルにT-Learnerなら\(\tau(x) = f_1(x) - f_0(x)\)でCATEを予測する
SDRM#
Uplift Modelingによる介入効果の最適化を実現 | 東工大ニュース | 東京工業大学
A/Bテストが不要なUplift Modelingの手法としては、Transformed Outcomeが知られていますが、現実的な仮定の下ではこの手法が正しいLift効果を推定できないことを示し、その欠点を解消する新たな手法であるSDRM（Switch Doubly Robust Method）とSDR-MSE（Switch Doubly Robust - Mean Squared Error）（以下、SDR-UM）を提案しました。