评估基于指标的治疗分配的效果
内容提要
本文综述资源分配与序贯决策研究，涵盖评估算法资源分配政策的实验方法、稀缺资源在线分配与公平约束、贝叶斯UCB在指数族奖励下的渐近最优性、集群网络个性化治疗规则估计、无休止劫匪索引与MPI政策、疫苗分配策略评估与平均处理效应推断、带约束反事实策略优化，以及众包标注预算分配与多工人多臂赌博机公平调度。
延伸解读
评估方法的核心创新
文章提出了一种新的实验评估方法，通过重划分试验组参与者来构建对照试验，从而更准确地评估算法资源分配政策。该方法在合成数据、半合成数据和真实案例中均显示出评估准确性的提升，为资源分配政策的实证研究提供了更可靠的评估工具。
公平约束下的在线分配
针对稀缺社会资源分配给异质性申请人的问题，研究设计了一种在线政策，在满足预算限制的同时最大化预期结果，并扩展了包括各种公平约束的框架。数据驱动的政策几乎确定渐近实现了最佳样本外政策的预期结果，为公平与效率的平衡提供了理论保证。
贝叶斯UCB的渐近最优性
文章证明了贝叶斯UCB算法在奖励分布属于一维指数族时具有渐近最优性，为最小化频率主义后悔提供了理论依据。这一结果不仅为kl-UCB+和kl-UCB-H+算法提供了合理性，还揭示了贝叶斯文献中新的探索速率思路，推动了多臂老虎机理论的发展。
个性化治疗规则的评估与学习
在存在干预关系的集群网络中，研究提出了一个评估个性化治疗规则经验性能的估计器，该估计器比标准的倒数概率加权估计器更有效，并能改善学习策略的性能。这为复杂网络环境下的个性化决策提供了更精确的评估手段。
Q&A
如何评估算法资源分配政策的实验方法？
该研究提出了一种新的实验方法，通过重划分试验组参与者构建对照试验，并使用估计器准确评估结果。在合成数据、半合成数据和真实案例中均提高了评估准确性。
在预算约束下如何在线分配稀缺资源给异质性申请人？
根据观察到的协变量设计在线政策，以满足预算限制并最大化预期结果。数据驱动的政策几乎确定渐近实现最佳样本外政策的预期结果，并可扩展包括各种公平约束。
贝叶斯UCB算法在什么条件下渐近最优？
当奖励分布属于一维指数族时，贝叶斯UCB算法渐近最优。该结论为kl-UCB+和kl-UCB-H+算法提供了合理性。
如何评估集群网络中个性化治疗规则的经验性能？
提出了一个估计器，可用于评估个性化治疗规则的经验性能。该估计器比标准的倒数概率加权估计器更有效，并能改善学习策略的性能。
疫苗分配策略评估中如何寻找最优策略？
利用贝叶斯方法和多臂老虎机框架，以及个体化模型，提出了一种有效的疫苗分配策略评估技术，可在不同接触减少模式下寻找最优策略。实验表明该方法能有效识别前m个最优策略。
众包标注中如何分配预算以提高标签准确性？
提出了一种基于贝叶斯马尔科夫决策过程的新算法，即乐观的知识梯度策略。该算法在相同预算水平下能实现更高的标签准确性，实验结果表明了其效果。
