請用此 Handle URI 來引用此文件：
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/79248| 標題: | 利用重標籤方法於增益模型中進行直接且不偏之優化 Relabel Process for Direct and Unbiased Optimization in Uplift Modeling |
| 作者: | Yi-Fu Fu 傅羿夫 |
| 指導教授: | 林守德(Shou-De Lin) |
| 關鍵字: | 增益模型,條件處理效應,過擬合,重標籤,弱監督式機器學習, uplift modeling,conditional treatment effect,overfitting,relabel process,weakly-supervised machine learning, |
| 出版年 : | 2021 |
| 學位: | 碩士 |
| 摘要: | 增益模型是機器學習領域中實用的應用之一，目的是預測特定使用 者對於給予處理下其反應的增益。增益模型最大的問題在於無法同時 觀測到使用者給予處理及不給予處理之反應差異。不少研究均針對此 一問題提出對策。本篇研究中指出現行常見之增益模型策略存在一些 問題。同時本篇研究也提出可以應用於任一現有增益模型上之重標籤 方法。研究中進行之線下及線上實驗均證實使用重標籤方法之增益模 型其表現較原增益模型有顯著進步。 |
| URI: | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/79248 |
| DOI: | 10.6342/NTU202200072 |
| 全文授權: | 同意授權(全球公開) |
| 顯示於系所單位： | 資訊工程學系 |
文件中的檔案：
| 檔案 | 大小 | 格式 | |
|---|---|---|---|
| U0001-1601202215552400.pdf | 2.76 MB | Adobe PDF | 檢視/開啟 |
系統中的文件，除了特別指名其著作權條款之外，均受到著作權保護，並且保留所有的權利。