#policy-targeting

노트 3개

• Dunnhumby — Track 2: Causal Targeting via Heterogeneous Treatment Effects 심각한 positivity violation(PS AUC 0.989) 아래에서 Meta-learner·Causal Forest로 CATE를 추정한다. 최적 정책은 고객의 약 31%를 타겟팅하고, 반직관적인 음의 CATE 세그먼트를 드러낸다. 공개 데이터 기반의 가설 생성용 분석이다.
• 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:
• Targeting & Profiling Overview 타겟팅(targeting)과 프로파일링(profiling)은 personalization의 산업 쪽 얼굴이다. 이질적 효과를 추정해 개인 수준 최적 정책(policy)을 도출하는 동일한 방법론 코어(MOC-Personalization)가, 임상에서는 "환자별 최적 치료 배정"으로 나타나고 산업에서는 "고객별 최적…