МЕТОДЫ ОЦЕНКИ ПРИЧИННО-СЛЕДСТВЕННЫХ ЭФФЕКТОВ НА ОСНОВЕ МАШИННОГО ОБУЧЕНИЯ
Авторы:
1.
ФГБОУ ВО «Воронежский государственный лесотехнический университет имени Г.Ф. Морозова»
2.
Воронежский государственный лесотехнический университет имени Г.Ф. Морозова
Тип:
Статья конференции
Опубликовано:
25.06.2025
Классификаторы:
УДК 004.04 Ориентация процесса обработки данных
Язык материала:
русский
Ключевые слова:
машинное обучение, Uplift, метод Гельмана, T-Learner, метод трансформа-ции класса, treatment, Uplift - моделирование
Аннотация (русский):
В статье проведен сравнительный анализ современных методов оценки причинно-следственных эффектов на базе машинного обучения: T-Learner, метода Гельмана и метод трансформации класса, которые помогают оценивать гетерогенные эффекты воздействия в наблюдательных выборках. В основе полученных результатов лежит проведенное экспериментальное исследование на реальных данных.
В статье проведен сравнительный анализ современных методов оценки причинно-следственных эффектов на базе машинного обучения: T-Learner, метода Гельмана и метод трансформации класса, которые помогают оценивать гетерогенные эффекты воздействия в наблюдательных выборках. В основе полученных результатов лежит проведенное экспериментальное исследование на реальных данных.
Ключевые слова:
машинное обучение, Uplift, метод Гельмана, T-Learner, метод трансформа-ции класса, treatment, Uplift - моделирование
машинное обучение, Uplift, метод Гельмана, T-Learner, метод трансформа-ции класса, treatment, Uplift - моделирование
1. Pearl, J. Causal Inference in Statistics: A Primer / J. Pearl, M. Glymour, N.P. Jewell. – Wiley, 2016. – 160 p.
2. Imbens, G.W. Causal Inference for Statistics, Social, and Biomedical Sciences / G.W. Imbens, D.B. Rubin. – Cambridge University Press, 2015. – 640 p.
3. Bayesian Data Analysis / A. Gelman, J.B. Carlin, H.S. Stern [et al.]. –3rd ed. – Chapman & Hall/CRC, 2013. – 675 p.
4. Gutierrez, P. Uplift Modeling: From Causal Inference to Personalization. – URL: https://arxiv.org/abs/1705.08492 (дата обращения: 01.04.2025).
5. CausalML Documentation. – URL: https://causalml.readthedocs.io/(дата обращения: 01.04.2025).
6. Scikit-uplift Library. – URL: https://scikit-uplift.readthedocs.io/ (дата обращения: 01.04.2025).
