#cate

노트 5개

• Applied Causal Inference for Pricing — CATE & SCM Across Public Datasets An applied case study using only public datasets (LendingClub, iPinYou) that combines CATE estimation for price-sensitivity heterogeneity with SCM-based moderator analysis to design individual-level, risk-based pricing and RTB bidding policies — all findings illustrative and projected, not proprietary.
• CATE (Conditional Average Treatment Effect) CATE는 공변량(covariate) $X=x$가 주어졌을 때의 평균 처치효과(treatment effect)를 가리킨다.
• DR-Learner DR-Learner는 의사결과(pseudo-outcome)를 공변량(covariate)에 회귀시켜 CATE를 추정하는 2단계 이중 강건(doubly robust) 추정량(estimator)이다.
• Meta-learners Meta-learner는 임의의 지도학습(supervised learning) 회귀기, 즉 기저 학습기(base learner)를 조합해 CATE를 추정하는 알고리즘을 통칭한다.
• R-Learner R-Learner(Residualized Learner)는 Robinson Transformation을 토대로, 결과와 처치(treatment)에서 각각 공변량(covariate)의 영향을 걷어낸 잔차(residual)를 써서 CATE를 추정하는 메타러너(meta-learner)다.