Dynamic Selection in Algorithmic Decision-making

Li, Jin; Luo, Ye; Zhang, Xiaowei

经济学 > 计量经济学

arXiv:2108.12547v3 (econ)

[提交于 2021年8月28日 (v1) ，最后修订 2023年9月28日 (此版本， v3)]

标题：算法决策中的动态选择

标题： Dynamic Selection in Algorithmic Decision-making

Authors:Jin Li, Ye Luo, Xiaowei Zhang

摘要：本文识别并解决了在线学习算法中内生数据的动态选择问题。在上下文多臂老虎机模型中，由于数据的内生性影响决策的选择，从而影响未来将要收集和分析的数据分布，导致出现一种新的偏差（自我实现偏差）。我们提出了一种基于工具变量的算法来纠正这种偏差。它能够获得真实的参数值并达到低（类似对数）的遗憾水平。我们还证明了一个中心极限定理用于统计推断。为了建立理论性质，我们开发了一种通用技术，以解开数据和动作之间的相互依赖关系。

摘要： This paper identifies and addresses dynamic selection problems in online learning algorithms with endogenous data. In a contextual multi-armed bandit model, a novel bias (self-fulfilling bias) arises because the endogeneity of the data influences the choices of decisions, affecting the distribution of future data to be collected and analyzed. We propose an instrumental-variable-based algorithm to correct for the bias. It obtains true parameter values and attains low (logarithmic-like) regret levels. We also prove a central limit theorem for statistical inference. To establish the theoretical properties, we develop a general technique that untangles the interdependence between data and actions.

评论：	正文：27页，4图，1表；补充材料：30页
主题：	计量经济学 (econ.EM) ; 机器学习 (cs.LG); 优化与控制 (math.OC); 方法论 (stat.ME); 机器学习 (stat.ML)
引用方式：	arXiv:2108.12547 [econ.EM]
	(或者 arXiv:2108.12547v3 [econ.EM] 对于此版本)
	https://doi.org/10.48550/arXiv.2108.12547

提交历史

来自： Xiaowei Zhang [查看电子邮件]
[v1] 星期六， 2021 年 8 月 28 日 01:41:37 UTC (1,975 KB)
[v2] 星期二， 2021 年 10 月 19 日 12:29:28 UTC (3,950 KB)
[v3] 星期四， 2023 年 9 月 28 日 01:21:27 UTC (1,623 KB)

经济学 > 计量经济学

标题：算法决策中的动态选择

标题： Dynamic Selection in Algorithmic Decision-making

提交历史

获取论文：

参考文献与引用

收藏

文献和引用工具

与本文相关的代码，数据和媒体

演示

推荐器和搜索工具

arXivLabs：与社区合作伙伴的实验项目

经济学 > 计量经济学

标题： 算法决策中的动态选择 显示英文标题

标题： Dynamic Selection in Algorithmic Decision-making

提交历史

获取论文：

参考文献与引用

BibTeX 格式的引用

收藏

文献和引用工具

与本文相关的代码，数据和媒体

演示

推荐器和搜索工具

arXivLabs：与社区合作伙伴的实验项目

标题：算法决策中的动态选择