基于表征学习的因果推断技术实践

研报主要内容总结

01 工业界RCT实验规范

• Covariate Balance: 在多个处理组中，除了处理变量外，其他协变量的分布一致。

• Exchangeability: 随机试验使得处理变量和潜在结果之间不存在关联。

• No Backdoor Paths: 随机试验消除了后门路径，确保了因果关系。

• Covariate Balance 的数学推导:

  • 使用do算子和概率公式推导，证明covariate balance导致因果效应与关联效应相等。

• RCT 实验的优势与挑战:

  • 成本高，缺乏通用性。
  • 两种RCT设计方案：嵌套设计和非嵌套设计。
  • RCT方案设计要点：明确目标人群、流量shuffle、样本维度选择。

• Online RCT:

  • 小流量持续在线RCT更经济有效，有助于保持数据一致性。

• RCT 校验工具:

  • 数据正确性检查、特征筛选、因果模型评估模块。

02 树模型 & NN 联合建模

• 树模型:

  • 得到协变量的表征。

• 神经网络:

  • 支持个性化结构。

• 融合方法:

  • 使用树模型生成的协变量嵌入作为NN模型特征。
  • 对抗学习做特征分解。

03 观测数据 & RCT 数据融合建模

• PS Matching 方法:

  • 通过分层计算各层的因果效应，最终加权得到总体的因果效应。
  • 优点在于解决了PS在极端值处样本量不足的问题。

• 观测数据到RCT数据转换:

  • 分层：根据倾向得分进行分层。
  • 协变量调整：使RCT和ODB样本分布一致。
  • 调权：构造样本被分到处理组和对照组概率一致。

• 假设检验校验机制:

  • 通过假设检验判断层内是否达到covariate balance。

• 特征分解:

  • 去除工具变量的影响，提高PS模型效果。
  • 使用RCT数据训练的uplift模型预估的Δ向量作为聚类特征。

通过以上方法，可以有效利用观测数据和RCT数据，提升模型的因果推断效果。