Off-Policy Evaluation

Optimal Off-Policy Evaluation from Multiple Logging Policies
We study off-policy evaluation (OPE) from multiple logging policies, each generating a dataset of fixed size, i.e., stratified …
Nathan Kallus, Yuta Saito, Masatoshi Uehara
引用 コード 会議録 arXiv
自然実験としてのアルゴリズム：機械学習・市場設計・公共政策への統一アプローチ
公共政策からビジネスまで、機械学習や市場設計などのアルゴリズムを利用した意思決定が広がっている。その際に重要なのが、過去に使われたことのない新しい意思決定アルゴリズムの性能を予測することだ。正確な性能予測は着実なアルゴリズム改善に資する。この論文は、過去に使われたアルゴ …
成田 悠輔, 粟飯原 俊介, 齋藤優太, 松谷 恵, 矢田 紘平
ディスカッション・ペーパー
Doubly Robust Estimator for Ranking Metrics with Post-Click Conversions
Post-click conversion, a pre-defined action on a web service after a click, is an essential form of feedback, as it directly …
Yuta Saito
引用 コード スライド 会議録
Data-Driven Off-Policy Estimator Selection: An Application in User Marketing on An Online Content Delivery Service
Off-policy evaluation (OPE) is the method that attempts to estimate the performance of decision making policies using historical data …
Yuta Saito, Takuma Udagawa, Kei Tateno
引用 arXiv
すべての機械学習は A/B テストである
成田 悠輔, 粟飯原 俊介, 齋藤優太, 松谷 恵, 矢田 紘平
学会誌
私のブックマーク：反実仮想機械学習 (Counterfactual Machine Learning, CFML)
齋藤優太
学会誌 ウェブ版