#doubly-robust

노트 7개

• AIPW (Augmented Inverse Probability Weighting) AIPW는 결과회귀(outcome regression)와 역성향 가중(IPW)을 결합해 평균 처치효과(ATE)를 추정하는 이중 강건(doubly robust) 추정량이다.
• Double/Debiased Machine Learning (DML) DML은 고차원(high-dimensional) nuisance parameter $\eta0$가 있을 때도 저차원 관심 모수 $\theta0$를 유효하게 추정·추론하는 방법이다.
• Doubly Robust Estimator Doubly Robust (DR) Estimator는 결과 회귀(outcome regression)와 성향점수(propensity score) 모델을 결합한 추정량(estimator)으로, 두 모델 중 하나만 올바르게 설정(specified)되어도 일치성(consistency)을 갖는다.
• DR-Learner DR-Learner는 의사결과(pseudo-outcome)를 공변량(covariate)에 회귀시켜 CATE를 추정하는 2단계 이중 강건(doubly robust) 추정량(estimator)이다.
• ESCM² (Entire Space Counterfactual Multi-Task Model) ESCM²는 ESMM의 두 가지 이론적 한계 — Inherent Estimation Bias (IEB)와 Potential Independence Priority (PIP) — 를 해결하려고, Inverse Propensity Score (IPS)와 Doubly Robust Estimator 기반의 반사실 위험…
• Off-Policy Evaluation (OPE) 오프폴리시 평가(OPE)는 다른 행동 정책(behavior policy) $\pib$로 수집한 로그만으로 목표 정책(target policy) $\pie$의 가치 $V(\pie)=E{\pie}[\sum r]$를 추정하는 문제다.
• Optimal Targeting Policy Optimal Targeting Policy는 공변량(covariate) $x$를 처치(treatment) 결정 $\pi(x)\in\{0,1\}$로 사상해 정책(policy) 가치를 극대화하는 규칙이다: