基于元学习者的训练数据生成方法及因果效应异质反应差异估计方法技术

本发明专利技术公开了一种基于元学习者的训练数据生成方法及因果效应异质反应差异估计方法，首先利用随机现场试验获得原始训练数据学习两个基学习者，再通过元学习者，将两个基学习者对原始训练数据进行交叉测试，生成训练数据；再利用生成的训练数据分别学习一个针对处理组和控制组的任务子学习者，再由两个任务子学习者构成最终的任务学习者；通过最终任务学习者可以实现对用户因果效应异质反应差值的估计。本发明专利技术基于元学习者，提出了一套可用估计因果效应异质反应差异的框架，可以与任意基学习者模型结合使用，用于估计任意类型的因果效应反应差异；例如可以用来指导定价的折扣手段、有效广告策略的设计以及产品的尺寸和包装方案的设计等。方案的设计等。方案的设计等。

【技术实现步骤摘要】
基于元学习者的训练数据生成方法及因果效应异质反应差异估计方法


[0001]本专利技术属于机器学习(Machine Learning)
和随机现场试验(RandomizedFieldExperiments)领域结合应用，涉及基于元学习者的因果效应异质反应(HeterogeneousResponse)差异估计。
[0002]异质反应的差异指的是某个用户在受到某种行为影响和不受到某种行为影响的两种情况下某种特定反应上的差异。有时候也将影响定义为处理(Treatment)，将未被影响定义为控制(Control)，因此本专利技术为估计某一用户在处理组(TreatmentGroup)和控制组(ControlGroup)之间某种行为的差异，之所以说是异质的，是因为某一个具体的用户只能在一个组之中，即要么在处理组中，要么在控制组中，不可能既在处理组中也在控制组中。本专利技术将用户收到影响之后的行为定义为反应(Response)。因此本专利技术的最终目标就是估计异质反应的差异。

技术介绍

[0003]随机现场试验作为一种现代决策理论框架，指的是在一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于元学习者的训练数据生成方法，其特征在于包括以下步骤：A1通过随机现场试验获得两组原始训练数据，一组数据为处理组原始训练数据，另一组数据为控制组原始训练数据；所述处理组原始训练数据包括用户的特征信息、组别以及用户在给定行为影响下的反应；所述控制组原始训练数据包括用户的特征信息、组别以及用户在未给定行为影响下的反应；A2为每组原始训练数据学习一个基学习者，使基学习者根据每组用户的特征信息预测相应用户的反应；A3元学习者将学习好的两个基学习者与两组原始训练数据进行交叉测试，并记录测试结果与真实结果之间的反应差值；A4将用户特征信息与步骤A3得到的相应反应差值关联构建得到基于元学习者的训练数据。2.根据权利要求1所述的基于元学习者的训练数据生成方法，其特征在于两个基学习者基于的模型相同或不同。3.根据权利要求2所述的基于元学习者的训练数据生成方法，其特征在于为支持向量机、逻辑斯蒂回归模型、决策树模型或者深度神经网络。4.根据权利要求3所述的基于元学习者的训练数据生成方法，其特征在于所述深度神经网络包括门控神经网络、长短期记忆网络、多层感知机，卷积神经网络。5.根据权利要求1所述的基于元学习者的训练数据生成方法，其特征在于步骤A3中，元学习者将学习好的两个基学习者与两组原始训练数据进行交叉测试具体过程为：以处理组学到的为第一基学习者，控制组学到的为第二基学习者；进一步将处理组原始训练数据送到第二基学习者中，预测用户反应，并与其真实的用户反应做比较，记录差值；同样地，将控制组原始训练数据送到第一基学习者中，预测用户反应，并与其真实...

【专利技术属性】
技术研发人员：周帆，曹丞泰，钟婷，徐增，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：