BriefGPT - AI 论文速递
·
STATE: 在在线控制实验中减少方差的重尾度量的健壮 ATE 估计器
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本论文提出了一种稳健的平均处理效应估计器，通过整合学生 t-分布和机器学习工具来适应重尾指标，并通过优化对数似然函数来推断出一个稳健的解决方案。该方法能够消除异常值的负面影响，并实现显著的方差减少。实验结果表明，该方法相比最先进的估计器能够实现超过50%的方差减少，达到相同的统计功效。
🎯
关键要点
-
本论文提出了一种稳健的平均处理效应估计器。
-
该方法整合了学生 t-分布和机器学习工具，以适应重尾指标。
-
通过优化对数似然函数，采用变分 EM 方法推断出稳健解决方案。
-
该方法显著消除了异常值的负面影响，并实现了方差减少。
-
实验结果显示，该方法相比最先进的估计器实现了超过50%的方差减少。
-
该方法从计数指标扩展到比例指标，并利用线性变换保持无偏估计。
-
对合成数据的模拟和美团实验平台的长期经验结果验证了该方法的有效性。
🏷️
标签
➡️
