エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
Uplift Modelingで介入効果を最適化する - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
Uplift Modelingで介入効果を最適化する - Qiita
はじめに 広告や医療などの領域において、ある介入をした後の顧客や患者の行動や予後が本当に介入の効果... はじめに 広告や医療などの領域において、ある介入をした後の顧客や患者の行動や予後が本当に介入の効果だと言えるのか(純効果がどれほどなのか)を知るのは難しい問題です。しかし、もしそれをうまく予測できれば、事前に介入の純効果がありそうな人となさそうな人を分けた上で効率の良い介入戦略を立てることができます。 この記事では、そのための手法として最近注目され始めているuplift modelingについて紹介します。 目次 Uplift Modelingとは Uplift Modelingの流れ(Two-Model Approach) Class Variable Transformationを用いた方法 今後について 参考 Uplift Modelingとは Uplift modelingとは、A/Bテストにより得られたデータを元に介入の純効果を予測することで(広告や医療の分野における)より効果的