面向决策的因果学习用于直接反事实市场营销优化
原文中文，约400字，阅读约需1分钟。发表于：。决策关注的因果学习框架（DFCL）用于直接反事实的营销优化，在解决营销中的多个技术挑战方面表现出有效性，并已经在美团等在线食品配送平台的几个营销场景中部署。
Decision-Focused Learning（DFL）是一种新兴的学习范例，用于训练机器学习模型来预测不完整优化问题的缺失参数。DFL通过集成预测和优化任务，在端到端系统中训练机器学习模型，更好地匹配训练和测试目标。研究发现模型的鲁棒性与其能否找到最佳决策且不偏离真实标签的预测高度相关。同时，研究还发现模型在训练周期结束时实现的最优性会影响其对违反条件的响应。
