Semi-Parametric Efficient Policy Learning with Continuous Actions
连续行动下的半参数有效策略学习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：摘要研究观察数据中连续处理的反事实策略评价、双重稳健估计与策略优化。
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…
连续行动下的半参数有效策略学习
- 研究问题
- 在行动空间连续、数据收集策略未知的观察数据中，如何评价并优化替代策略，同时控制策略函数或回归模型估计误差？
- 方法与思路
- 作者假定价值函数对处理具有已知参数形式，而对观测情境保持灵活，构造双重稳健的离线策略评价估计并用于策略优化。
- 材料陈述的贡献
- 摘要称方法将观察数据策略优化扩展到连续行动，对两类模型估计误差具有稳健性，错设时还能以最佳函数投影定义遗憾。
- 阅读关注点
- 应核对连续处理的识别与支持条件、价值函数参数形式、双重稳健和效率保证，以及错设下投影目标与真实策略价值的区别。
- 阅读边界
- 所据为 arXiv 预印本，不能据此认定同行评审或期刊接收；摘要仅报告定价和资源配置动机的合成实验，未列识别条件或数值。
原文摘要
We consider off-policy evaluation and optimization with continuous action spaces. We focus on observational data where the data collection policy is unknown and needs to be estimated. We take a semi-parametric approach where the value function takes a known parametric form in the treatment, but we are agnostic on how it depends on the observed contexts. We propose a doubly robust off-policy estimate for this setting and show that off-policy optimization based on this estimate is robust to estimation errors of the policy function or the regression model. Our results also apply if the model does not satisfy our semi-parametric form, but rather we measure regret in terms of the best projection of the true value function to this functional space. Our work extends prior approaches of policy optimization from observational data that only considered discrete actions. We provide an experimental evaluation of our method in a synthetic data example motivated by optimal personalized pricing and costly resource allocation.