Policy learning for many outcomes of interest: Combining optimal policy trees with multi-objective Bayesian optimisation
多结果政策学习：结合最优政策树与多目标贝叶斯优化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：摘要利用因果机器学习学习干预分配规则，并比较不同政策结果的权衡。
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…
关注这篇论文的作者
多结果政策学习：结合最优政策树与多目标贝叶斯优化
- 研究问题
- 研究政策制定者同时关注多个结果时，如何学习可解释的干预分配规则，并展示不同结果之间的权衡而非仅优化单一目标。
- 方法与思路
- 作者结合最优政策树和多目标贝叶斯优化，调整结果权重以构建非支配模型的帕累托前沿，并用低成本贪心树作为代理。
- 材料陈述的贡献
- 摘要提出多目标政策学习框架，称贪心树可为决策提供准确的最优树代理，并应用于肯尼亚抗疟药物的非价格配给。
- 阅读关注点
- 应核对政策价值的因果识别、结果权重与可行政策约束，以及贪心树代理的准确性、帕累托前沿评估和样本外验证。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收均未核实；摘要未说明识别条件、代理误差及案例结果，不能据此保证政策最优。
原文摘要
Methods for learning optimal policies use causal machine learning models to create human-interpretable rules for making choices around the allocation of different policy interventions. However, in realistic policy-making contexts, decision-makers often care about trade-offs between outcomes, not just single-mindedly maximising utility for one outcome. This paper proposes an approach termed Multi-Objective Policy Learning (MOPoL) which combines optimal decision trees for policy learning with a multi-objective Bayesian optimisation approach to explore the trade-off between multiple outcomes. It does this by building a Pareto frontier of non-dominated models for different hyperparameter settings which govern outcome weighting. The key here is that a low-cost greedy tree can be an accurate proxy for the very computationally costly optimal tree for the purposes of making decisions which means models can be repeatedly fit to learn a Pareto frontier. The method is applied to a real-world case-study of non-price rationing of anti-malarial medication in Kenya.