最近工作中遇到了类似营销场景下找出对营销敏感用户的问题，用到了uplift model。所以想对uplift model做个简单的总结。

因果推断

这是一个非常大的研究领域，它是推断一个变量对另外一个变量的因果关系，以及影响大小。研究因果关系的是因果发现（causal discovery），估计影响大小的是因果效应（causal effect）。后面我们主要聚焦在因果效应上。

辛普森悖论

辛普森悖论是概率统计中的一种现象：在变量 Z 的每一个分层上，变量 X 和变量 Y 都表现出一致的相关性，但是在 Z 的整体上，X 和 Y 却呈现出与之相反的相关性。 这里我们用《Introduction to Causal Inference》这门课的例子来说明。

背景：假设你是一个医院的数据分析人员。现在有一种疾病D，D的病情可以分为两种轻微（mild）和严重（severe）目前有两种治疗方式A和B，其中B比A需要的资源更稀缺。对于得了D的病人只有两种结局被治愈和死亡。
我们把上面的描述总总结成一个表格方便理解：

经过一段时间的实验，收集到的统计数据如下：

在分不同病情看方案A和B的治疗效果的时候，都

因果效应与uplift模型相关推荐

活动、节假日、促销等营销方式的因果效应评估——方法模型篇（二）
笔者近两年都在做智能营销方面的探索,不过最近想稍微切换自己的研究赛道,所以最近想把智能营销方面细枝末节的一些思考发出来. 关于活动.节假日.促销等营销方式的因果效应评估前篇是<活动.节假日.促销 ...
该把优惠券发送给哪些用户？一文读懂Uplift模型
随着互联网和人工智能的普及化,个性化营销已经渗透到了我们生活中的方方面面.而如何找到真正的营销敏感人群,将更多的预算投入到可以带来'增量'的用户上,以提升整体营销roi,成为了后时代精细化运营的关键. ...
因果效应估计：用数据和模型指导决策
这是因果推断系列文章的第三篇.在前两篇中,我们介绍了:因果性和相关性,以及如何从纷繁的数据中挖掘出变量之间的因果关系.本期,我们将围绕因果效应估计,介绍如何建立因果模型并对不同干预下结果变量的差异进行 ...
因果推断笔记——uplift建模、meta元学习、Class Transformation Method（八）
文章目录 1 uplift 模型介绍 -- 为个体计算ITE 1.1 模型方向 1.2 ITE的假设前提 2 uplift方法一:元学习方法(Meta-learning methods) 2.1 Co ...
详解“因果效应估计”
两个变量之间什么时候会表现出相关性? 一是两变量具有因果关系,则两者会有相关性,二是两变量有一个共同的原因,这时即使两者没有因果关系,也会表现出相关性. 两种情况下,因果效应可以识别: 没有共同原因, ...
因果推断(二)-Causal effect 因果效应推理
1.因果效应推理定义套用一个发券和购买转化率的关系,已知发优惠券与购买转化率有因果关系,发优惠券是因,购买转化率是果,我们想知道,当发券的情况下,购买转化率会增加多少? 2.因果效应推理估计对象估 ...
活动、节假日、促销等营销方式的因果效应评估——特征工程篇（一）
本系列旨在挖掘活动.节假日.促销.优惠券.积分等营销权益因果效应评估,目前规划两个篇幅: 第一篇:会收集活动.节假日.促销等营销权益在做一些建模项目中,可以构造成为的特征工程方式第二篇:使用各类模型 ...
因果推断, 因果效应概述
概述 Q1: 因果推断定义? A: 从观测数据中学习规律, 然后预测不同的treatment对结果的不同影响. Q2: 为什么需要因果推断, 与传统有监督机器学习的区别? A: 传统的机器学习任务不涉 ...
因果6-估计因果效应
图1. 识别-估计流程如图1所示,前两章我们学习了如何识别因果效应,将因果量转化为统计量,这一章我们学习如何估计因果效应. 首先回忆下之前学过的相关概念. ITE(individual treatm ...

因果效应与uplift模型

因果推断

辛普森悖论

因果效应与uplift模型相关推荐

最新文章

热门文章