因果政策フォレストによるエンドツーエンドのポリシー学習

本論文は、因果推論におけるポリシー学習のための新しいアルゴリズム、因果政策フォレストを提案しています。ポリシー価値の最大化とCATE推定の関連性を利用し、実用的で効率的なエンドツーエンドのアプローチを提供します。アルゴリズムの簡潔さ、エンドツーエンドのトレーニング、および計算効率は重要な利点であり、CATE推定とポリシー学習のギャップを埋める可能性があります。

• •ポリシー学習のための新しいアルゴリズム、因果政策フォレストを提案。
• •ポリシー価値の最大化とCATE推定を関連付ける。
• •エンドツーエンドで計算効率の高いアプローチを提供する。
• •CATE推定とポリシー学習のギャップを埋めることを目指す。