Adaptive Doubly Robust Estimator from Non-stationary Logging Policy under a Convergence of Average Probability
平均分配概率收敛下非平稳记录策略的自适应双重稳健估计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：摘要将自适应实验中的行动平均结果与平均处理效应、离线策略价值估计相联系，直接支持因果推断分类。
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
平均分配概率收敛下非平稳记录策略的自适应双重稳健估计
- 研究问题
- 自适应实验中的行动分配概率持续波动、部分时期甚至为零时，如何估计行动平均结果并获得渐近正态推断？
- 方法与思路
- 作者以平均记录策略收敛替代记录策略逐期收敛的要求，在该框架下研究双重稳健估计量，并通过模拟考察经验性质。
- 材料陈述的贡献
- 摘要称，该设定允许行动概率波动或部分时期为零，并建立双重稳健估计量的渐近正态性，适用于行动平均结果估计。
- 阅读关注点
- 应核对平均策略收敛的形式、其极限需要满足的条件，以及历史依赖和辅助函数估计误差如何进入渐近论证。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明全部正则条件，部分时期零概率不代表任何分配策略均可用。
原文摘要
Adaptive experiments, including efficient average treatment effect estimation and multi-armed bandit algorithms, have garnered attention in various applications, such as social experiments, clinical trials, and online advertisement optimization. This paper considers estimating the mean outcome of an action from samples obtained in adaptive experiments. In causal inference, the mean outcome of an action has a crucial role, and the estimation is an essential task, where the average treatment effect estimation and off-policy value estimation are its variants. In adaptive experiments, the probability of choosing an action (logging policy) is allowed to be sequentially updated based on past observations. Due to this logging policy depending on the past observations, the samples are often not independent and identically distributed (i.i.d.), making developing an asymptotically normal estimator difficult. A typical approach for this problem is to assume that the logging policy converges in a time-invariant function. However, this assumption is restrictive in various applications, such as when the logging policy fluctuates or becomes zero at some periods. To mitigate this limitation, we propose another assumption that the average logging policy converges to a time-invariant function and show the doubly robust (DR) estimator's asymptotic normality. Under the assumption, the logging policy itself can fluctuate or be zero for some actions. We also show the empirical properties by simulations.