Online Policy Learning and Inference by Matrix Completion
通过矩阵补全开展在线策略学习与推断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。
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：摘要直接涉及在线策略学习及基于逆概率加权的策略推断，与因果推断中的决策策略方法相关。
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
通过矩阵补全开展在线策略学习与推断
- 研究问题
- 在缺少个体化协变量时，能否利用群体偏好作出在线决策，同时兼顾策略学习精度、累积遗憾与策略推断？
- 方法与思路
- 作者以低维潜在特征构建矩阵补全 bandit，结合 ε-greedy、在线梯度下降和两阶段设计，并用逆概率加权去偏。
- 材料陈述的贡献
- 摘要称，两阶段设计平衡学习精度与遗憾，在线去偏方法具有渐近正态性；停车定价应用显示优于所用基准策略。
- 阅读关注点
- 应核对潜在低秩结构、探索概率与阶段划分、推断目标和逆概率权重，并检查遗憾保证及实际策略比较方式。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；渐近正态性条件、遗憾界及应用比较细节未说明，不能推断刊本变化。
原文摘要
Is it possible to make online decisions when personalized covariates are unavailable? We take a collaborative-filtering approach for decision-making based on collective preferences. By assuming low-dimensional latent features, we formulate the covariate-free decision-making problem as a matrix completion bandit. We propose a policy learning procedure that combines an ε-greedy policy for decision-making with an online gradient descent algorithm for bandit parameter estimation. Our novel two-phase design balances policy learning accuracy and regret performance. For policy inference, we develop an online debiasing method based on inverse propensity weighting and establish its asymptotic normality. Our methods are applied to data from the San Francisco parking pricing project, revealing intriguing discoveries and outperforming the benchmark policy. Supplementary materials for this article are available online, including a standardized description of the materials available for reproducing the work.