Off-Policy Evaluation via Adaptive Weighting with Data from Contextual Bandits
基于上下文老虎机数据自适应加权的离策略评估AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确用历史处理分配数据评价其他处理策略，并围绕双重稳健估计与策略价值推断展开。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
基于上下文老虎机数据自适应加权的离策略评估
- 研究问题
- 自适应收集的上下文老虎机数据如何用于评估其他处理分配策略，尤其如何缓解策略差异造成的重要性权重高方差？
- 方法与思路
- 作者对双重稳健估计量中的观测进行自适应加权以控制方差，并研究相应 t 统计量的渐近正态性。
- 材料陈述的贡献
- 摘要称在一定条件下可构造置信区间和假设检验，并以合成数据及公开基准展示相对其他方法的准确性与推断改善。
- 阅读关注点
- 应核对权重如何适应历史数据、处理概率或重叠要求，以及方差控制是否改变估计目标和渐近正态性所需条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实；摘要未列出渐近正态条件，不能据此认为加权可解决所有策略重叠不足。
原文摘要
It has become increasingly common for data to be collected adaptively, for example using contextual bandits. Historical data of this type can be used to evaluate other treatment assignment policies to guide future innovation or experiments. However, policy evaluation is challenging if the target policy differs from the one used to collect data, and popular estimators, including doubly robust (DR) estimators, can be plagued by bias, excessive variance, or both. In particular, when the pattern of treatment assignment in the collected data looks little like the pattern generated by the policy to be evaluated, the importance weights used in DR estimators explode, leading to excessive variance. In this paper, we improve the DR estimator by adaptively weighting observations to control its variance. We show that a t-statistic based on our improved estimator is asymptotically normal under certain conditions, allowing us to form confidence intervals and test hypotheses. Using synthetic data and public benchmarks, we provide empirical evidence for our estimator's improved accuracy and inferential properties relative to existing alternatives.