Optimal Prescriptive Trees
Optimal Prescriptive Trees
复制标题
最优规范树
DOI：
10.1287/ijoo.2018.0005
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Nishanth Mundru
中科院分区：
文献类型：
--
作者：
D. Bertsimas;Jack Dunn;Nishanth Mundru
在个性化决策的激励下，给定涉及特征[公式：见文本]、分配的治疗或处方[公式：见文本]和结果[公式：见文本]的观察数据[公式：见文本]，我们提出了一种基于树的算法，称为最优规定树(OPT)，它使用树的叶子中的常量或线性模型来预测反事实并为新样本分配最优处理。我们提出了一个平衡最优性和精确度的目标函数。OPTS是可解释和高度可扩展的，可容纳多种治疗方法，并提供高质量的处方。我们报告了涉及合成和真实数据的结果，这些结果表明OPTS要么表现更好，要么可以与几种最先进的方法相媲美。考虑到它们的可解释性、可伸缩性、通用性和性能，OPTS对于在线广告和个性化医疗等各种领域的个性化决策来说是一个有吸引力的选择。
Motivated by personalized decision making, given observational data [Formula: see text] involving features [Formula: see text], assigned treatments or prescriptions [Formula: see text], and outcomes [Formula: see text], we propose a tree-based algorithm called optimal prescriptive tree (OPT) that uses either constant or linear models in the leaves of the tree to predict the counterfactuals and assign optimal treatments to new samples. We propose an objective function that balances optimality and accuracy. OPTs are interpretable and highly scalable, accommodate multiple treatments, and provide high-quality prescriptions. We report results involving synthetic and real data that show that OPTs either outperform or are comparable with several state-of-the-art methods. Given their combination of interpretability, scalability, generalizability, and performance, OPTs are an attractive alternative for personalized decision making in a variety of areas, such as online advertising and personalized medicine.
登录
查看更多内容
影响因子：
7.2
作者：
Westreich, Daniel;Lessler, Justin;Funk, Michele Jonsson
通讯作者：
Funk, Michele Jonsson
使用观察数据进行个性化的递归分区
DOI：
--
发表时间：
2017
期刊：
Proceedings of the 34th International Conference on Machine Learning (ICML
影响因子：
--
作者：
Kallus, Nathan
通讯作者：
Kallus, Nathan
影响因子：
4.5
作者：
Qian M;Murphy SA
通讯作者：
Murphy SA
DOI：
10.1056/nejmoa0809329
发表时间：
2009-02-19
期刊：
The New England journal of medicine
影响因子：
--
作者：
International Warfarin Pharmacogenetics Consortium;Klein TE;Altman RB;Eriksson N;Gage BF;Kimmel SE;Lee MT;Limdi NA;Page D;Roden DM;Wagner MJ;Caldwell MD;Johnson JA
通讯作者：
Johnson JA